歌詞と色彩の関係に着目した
経験基盤主義的感性情報処理による
楽曲検索システム 仲 村 哲 明
電気通信大学大学院電気通信学研究科
博士（工学）の学位申請論文
2011 年 3 月
歌詞と色彩の関係に着目した
経験基盤主義的感性情報処理による
楽曲検索システム 博士論文審査委員会
主査
委員
委員
委員
委員
坂本
兼子
吉浦
梶本
内海
真樹
正勝
裕
裕之
彰
准教授
教授
教授
准教授
准教授
著作権所有者
仲 村 哲 明
2011
A music retrieval system based on experience-based human
information processing focusing on cognitive correlation
between colors and lyrics
Tetsuaki Nakamura
Abstract
Currently, there are many music retrieval methods proposed. Many researchers
tackle the research for developing music retrieval methods based on not only traditional literal information and acoustic information but also human feeling information. This paper focuses on the cognitive relation between colors associated with
song lyrics and colors evoked through listening songs. This paper proposes the
method for retrieving songs associated with a combination of colors.
According to the previous study for the relationship between music and colors,
when people in general, not trained for music, associate music with color, music
reminds them of concrete situations, times, and places. This study suggests that
people in general associate music with colors based on experience-based scene reminding.
Chapter 4 argues that experience-based scene reminding plays an important role
in processing linguistic expressions. This paper explored how people comprehend
synesthetic metaphors, to which previous studies had paid little attention. The
results of psychological experiments showed that experience-based scene reminding
played an important role in the comprehension process of synesthetic metaphors.
This result supports our approach focusing on experience-based scene reminding is
cognitively plausible.
Chapter 5 reports two psychological experiments we conducted to show that there
are cognitive relationship among music, colors, and lyrics expressing various human
experiences, situation, times, and places. The psychological experiments use 80 JPOPs as materials. In experiment 1, 60 males and females were asked to listen to
each song and choose one to three colors from 35 sample colors associated with the
song. In experiment 2, other 60 males and females were asked to choose one to three
colors from 35 sample colors associated with lyrics of each song. The comparison
between the results of experiment 1 and experiment 2 shows that there is a significant
correlation between colors chosen in experiment 1 and colors chosen in experiment
2. The results suggest that it is cognitively reasonable to recommend songs using
the correlation between colors and lyrics.
Chapter 6 proposes a music retrieval method using the relationship among music,
lyrics, and colors and a prototype system. Evaluating the prototype system shows
that colors estimated by the system significantly correlate with those evoked by
listening music. Thus, this study concludes that our proposed method is an effective
new music information retrieval method.
歌詞と色彩の関係に着目した
経験基盤主義的感性情報処理による
楽曲検索システム
仲村 哲明
概要
本論文では，楽曲から想起される色彩と歌詞のみの提示から想起される色彩に相
関関係があることを心理実験によって確認する．そして，歌詞のみの提示から色彩を
想起する際に重要な，色彩と結びつきのある手がかり語の存在を明らかにする．こ
れらの知見に基づいて，本論文では，新しい楽曲検索手法として，楽曲，歌詞，色
彩の結びつきを利用した楽曲検索手法を提案する．
近年，情報メディアの普及に伴い，インターネットによるデータ配信サービスの拡
大によって，我々はオンラインで楽曲データを購入できるようになった．オンライン
で楽曲データを購入する場合，ユーザは楽曲データの配信元のデータベースにアク
セスすることになるが，そこには莫大な数の楽曲データが蓄積されている．ユーザ
は大量の楽曲データの中から所望する楽曲を適切に検索しなければならない．最も
単純な楽曲検索手法は，楽曲のタイトルやアーティスト名などの属性情報を，ユー
ザがクエリとして用いることで楽曲を検索する手法である．しかし，この手法では，
ユーザがあらかじめ楽曲のタイトルやアーティスト名といった属性情報を知ってい
る必要があるため，検索したい楽曲に関する属性情報を知らない場合や，属性情報
を間違って覚えている場合には，検索を行うことができないという問題がある．こ
のような問題に対応するために，楽曲の属性情報を用いない楽曲検索技術に関する
研究が盛んに行われている．楽曲の属性情報を用いない楽曲検索技術の 1 つとして，
感性情報をクエリとする楽曲検索技術がある．これまでに提案されている感性情報
をクエリとする楽曲検索技術のほとんどは，感性語あるいは感性語に対する評価尺
度を感性情報として用いる手法である．このような検索手法は，特に明確な楽曲の
検索を目的とせず，漠然とユーザの気分に合った楽曲を検索したい場合に有効な検
索手法である．しかし，漠然とした心的状態を，感性語あるいは感性語に対する評
価尺度によって表現するのが困難であることは，これらの手法を評価するために集
められた被験者の意見においても確認されいてる．そこで，本論文では，楽曲検索
における感性情報として，感性語や感性語に対する評価尺度とは異なる情報として
色彩に着目し，色彩をクエリとする楽曲検索手法を提案する．
2 章では，従来から提案されている楽曲検索技術を紹介し，従来手法の問題点に
ついて述べる．従来手法は，楽曲の音響的特徴を重視する楽曲検索手法と，楽曲に
対する感性情報を重視する楽曲検索手法に大別することができる．これらの手法に
関する問題点を指摘することによって，感性語や感性語に対する評価尺度とは異な
る感性情報の必要性を述べる．
3 章では，感性情報として色彩に着目し，楽曲と色彩の結びつきに関する先行研究
について述べる．ここでは，楽曲と色彩の結びつきに関する先行研究によって，特
に音楽的な訓練を受けていない一般的な人の場合，楽曲から色彩を想起する際には
経験に基づくシーン想起が重要な役割を果たしているという知見が報告されている
ことを述べる．これにより，経験に基づくシーン想起というアプローチによって，楽
曲と色彩の結びつきによる楽曲検索手法の可能性を示す．
4 章では，経験に基づくシーン想起というアプローチから楽曲と色彩の結びつき
による楽曲検索手法の検討が妥当であることを，人間の認知のあり方が反映される
言語の意味の生成や理解に関する研究を通して確認する．本論文では，創造的な言
語表現であるとされる比喩の中でも，共感覚比喩に着目し，共感覚比喩がどのよう
なプロセスによって理解されているのかについて分析を行う．その結果，これまで
経験的要因が重視されていなかった共感覚比喩においてさえ，経験に基づく処理が
重要であるということを確認する．これにより，楽曲と色彩を結ぶ認知メカニズム
として，経験に基づくシーン想起を重視して，楽曲検索における色彩の利用を検討
することが妥当な手法であることを確認する．
5 章では，経験に基づくシーン想起のための情報として歌詞に着目し，心理実験
によって，楽曲の試聴から得られる色彩と歌詞のみの提示から得られる色彩の間に
相関関係があることを示す．この心理実験から，楽曲，歌詞，色彩の結びつきに基
づく楽曲検索手法の可能性を示す．また，心理実験の結果を分析することで，歌詞
のみの提示から色彩を想起するために重要な役割を果たす手がかり語が存在するこ
とを示す．
6 章では，楽曲，歌詞，色彩の結びつきを利用した楽曲検索手法を提案し，計算機
に実装することで，感性情報として色彩を用いる楽曲検索システムを実現する．こ
のシステムを評価した結果，システムが推定した楽曲に関する色彩印象と心理実験
から得られた楽曲に関する色彩印象の間に相関関係があることを示す．これにより，
提案手法は新しい楽曲検索手法として有効であることを述べる．
最後に，7 章では，本論文をまとめ，今後の課題と展望について述べる．
目次
第1章
1.1
1.2
1.3
序論
研究の背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
本研究の位置づけ . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
論文の構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
第 2 章 従来の楽曲検索技術
2.1 音響信号の特徴量を重視した楽曲検索技術 . . . . . . . . . . . . .
2.1.1 歌声と朗読音声の自動判別による楽曲検索 . . . . . . . . .
2.1.2 声質の類似度に基づく楽曲検索 . . . . . . . . . . . . . . .
2.1.3 文字列照合を利用した楽曲検索 . . . . . . . . . . . . . . .
2.1.4 音響信号の特徴量を重視した楽曲検索技術の問題点 . . . .
2.2 感性情報を重視した楽曲検索技術 . . . . . . . . . . . . . . . . . .
2.2.1 ユーザの嗜好に基づく楽曲検索 . . . . . . . . . . . . . . .
2.2.2 楽曲に対する印象の因子分析に基づく楽曲検索 . . . . . .
2.2.3 感性の個人差に対応した楽曲検索 . . . . . . . . . . . . . .
2.2.4 音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索
2.2.5 感性情報を重視した楽曲検索技術の問題点 . . . . . . . . .
第 3 章 楽曲検索における感性情報としての色彩情報の利用可能性
3.1 色彩情報の利用可能性 . . . . . . . . . . . . . . . . . . . . . .
3.2 楽曲と色彩の直接的な対応関係に関する研究 . . . . . . . . . .
3.2.1 楽曲と色彩の大まかな対応 . . . . . . . . . . . . . . . .
3.2.2 色聴保持者の音刺激と色彩の対応規則 . . . . . . . . .
3.3 楽曲と色彩の間接的な対応関係に関する研究 . . . . . . . . . .
3.3.1 形容詞を介した楽曲と色彩の結びつきの可能性 . . . .
3.3.2 シーン想起による楽曲と色彩の結びつきの可能性 . . .
第4章
4.1
4.2
4.3
4.4
.
.
.
.
.
.
.
人間の認知活動における経験基盤の重要性
人間の認知活動における経験と言語の関わり . . . . . . . . . . .
比喩における経験基盤の重要性 . . . . . . . . . . . . . . . . . .
共感覚比喩に関する先行研究 . . . . . . . . . . . . . . . . . . .
4.3.1 共感覚比喩の理解しやすさと修飾の方向性に関する研究
4.3.2 共感覚比喩の理解プロセスに関する研究 . . . . . . . . .
共感覚比喩の理解における経験基盤の重要性の検証 . . . . . . .
i
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1
1
3
3
.
.
.
.
.
.
.
.
.
.
.
5
5
6
7
8
9
9
9
10
11
12
14
.
.
.
.
.
.
.
16
16
16
17
18
20
20
22
.
.
.
.
.
.
27
27
28
29
29
33
34
4.4.1 仮説の設定 . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.2 心理実験 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.3 分析 1：喩辞と被喩辞の間接的な結びつきの検証 . . . . . . .
4.4.4 分析 2：喩辞と被喩辞の経験基盤に基づく結びつきの検証 . .
4.5 楽曲検索における経験に基づくシーン想起に着目した色彩利用検討の
妥当性 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
34
36
37
41
. 47
第 5 章 楽曲，歌詞，色彩の結びつきを利用した楽曲検索手法の実現可能性
49
5.1 楽曲検索における歌詞の利用可能性に関する仮説 . . . . . . . . . . . 49
5.2 実験内容 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.1 被験者 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
5.2.2 使用楽曲 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
5.2.3 使用色彩 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5.2.4 楽曲の試聴からの色彩想起実験（実験 1） . . . . . . . . . . . 52
5.2.5 歌詞のみの提示からの色彩想起実験（実験 2） . . . . . . . . . 53
5.3 実験結果および考察 . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
5.3.1 心理実験で使用した各色彩に関する結果 . . . . . . . . . . . . 54
5.3.2 類似性を考慮した色彩グループに関する結果 . . . . . . . . . . 56
5.3.3 色彩想起に影響を与えたもの：楽曲，歌詞，色彩の結びつき
による楽曲検索の実現可能性 . . . . . . . . . . . . . . . . . . 60
第6章
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9
歌詞と色彩の関係に着目した楽曲検索手法
5 章の心理実験で得られた知見の楽曲検索への応用 . . . .
楽曲，歌詞，色彩の結びつきに基づく楽曲検索手法の概要
基本原理 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
楽曲色彩ベクトルの推定 . . . . . . . . . . . . . . . . . . .
プリミティブワード . . . . . . . . . . . . . . . . . . . . .
6.5.1 プリミティブワードの影響度 . . . . . . . . . . . .
6.5.2 プリミティブワードの色彩ベクトル . . . . . . . . .
未知語 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.6.1 潜在的意味解析（LSA） . . . . . . . . . . . . . . .
6.6.2 未知語の影響度と色彩ベクトル . . . . . . . . . . .
楽曲色彩ベクトルの具体的な推定手法 . . . . . . . . . . .
評価 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.8.1 クエリ色彩ベクトルの作成（心理実験） . . . . . .
6.8.2 評価方法 . . . . . . . . . . . . . . . . . . . . . . . .
6.8.3 結果 . . . . . . . . . . . . . . . . . . . . . . . . . .
6.8.4 考察 . . . . . . . . . . . . . . . . . . . . . . . . . .
本章のまとめ . . . . . . . . . . . . . . . . . . . . . . . . .
ii
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
63
63
64
66
66
66
68
68
70
70
71
72
73
73
74
75
84
85
第 7 章 結論
7.1 本論文のまとめ . .
7.2 今後の課題と展望 .
7.2.1 今後の課題
7.2.2 今後の展望
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
86
86
88
88
89
謝辞
91
参考文献
92
付 録 A 心理実験に使用した楽曲
97
付 録 B 楽曲の試聴による色彩と歌詞のみの提示による色彩の相関係数（心理実
験で使用した 35 色彩に関する結果）
100
付 録 C 楽曲の試聴による色彩と歌詞のみの提示による色彩の相関係数（類似色
でまとめた 13 色彩グループに関する結果）
103
付 録 D 色彩想起に影響を与えた歌詞中の箇所
106
付 録 E システム評価に使用した楽曲
107
付 録 F 提案手法のパフォーマンス一覧
109
付 録 G 推定された色彩ベクトルと試聴から得られた色彩ベクトルの相関係数 118
関連論文の印刷公表の方法および時期
120
参考論文の印刷公表の方法および時期
121
iii
図目次
1.1 インターネット有料音楽配信購入率の推移 . . . . . . . . . . . . . . .
1.2 本論文の構成 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
入力音声の自動識別による楽曲検索手法（大石ら，2006 より転載）
声質の類似度に基づく楽曲検索手法（藤原・後藤，2007 より転載）
文字列照合による楽曲検索（永野ら，2004 より転載） . . . . . . .
ユーザの嗜好に基づく楽曲検索（Hoashi et al.，2007 より転載） . .
楽曲に対する印象の因子分析に基づく楽曲検索（池添ら，2001 より
転載） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
楽曲に対する印象の因子分析に基づく楽曲検索における楽曲の登録
（池添ら，2001 より転載） . . . . . . . . . . . . . . . . . . . . . . .
感性の個人差に対応した楽曲検索（杉原ら，2005 より転載） . . . .
音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索のインター
フェイス（熊本・太田，2006 より転載） . . . . . . . . . . . . . . .
音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索（熊本・太
田，2006 より転載） . . . . . . . . . . . . . . . . . . . . . . . . . .
2
4
. 6
. 7
. 8
. 10
. 11
. 12
. 13
. 13
. 14
3.1 長田ら（2003）で使用された色彩（長田ら，2003 より転載） . . . . . 19
3.2 山脇・椎塚（2005）で使用されたカラーイメージスケール（山脇・椎
塚，2005 より転載） . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 坂本・鎌田（2007）で使用された配色パターン（坂本・鎌田，2007 よ
り転載） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4.1 Ullmann（1951）による感覚モダリティ属する語の修飾の方向性 . . . 30
4.2 Williams（1976）による感覚モダリティ属する語の修飾の方向性（Williams，
1976 より転載）） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4.3 Yu（2003）によって確認された中国語の共感覚比喩に関する方向性 . 31
4.4 Werning et al.（2006）による共感覚比喩の理解しやすさの方向性
（Werning et al.，2006 より転載） . . . . . . . . . . . . . . . . . . . . 32
4.5 楠見（1988，1994）による理解しやすさの高いの修飾の方向性 . . . . 33
4.6 2 段階カテゴリ化モデル . . . . . . . . . . . . . . . . . . . . . . . . . 35
4.7 2 段階カテゴリ化モデルにおけるシーン想起 . . . . . . . . . . . . . . 35
4.8 異なり数の平均値 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.9 延べ数の平均値 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
iv
4.10 共感覚比喩の理解プロセス . . . . . . . . . . . . . . . . . . . . . . . . 42
4.11 赤い味の理解プロセス . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.12 赤い声の理解プロセス . . . . . . . . . . . . . . . . . . . . . . . . . . 43
5.1 実験で使用したカラーパレット . . . . . . . . . . . . . . . . . . . . . 52
5.2 心理実験で使用した 35 色を L*a*b 表色系で表現したときのクラスター
分析結果（デンドログラム） . . . . . . . . . . . . . . . . . . . . . . 57
5.3 類似した色彩のグループ化 . . . . . . . . . . . . . . . . . . . . . . . . 58
6.1
6.2
6.3
6.4
6.5
6.6
6.7
6.8
6.9
6.10
6.11
6.12
6.13
6.14
6.15
6.16
6.17
6.18
6.19
試作システムの入力画面の例 . . . . . .
試作システムの出力画面の例 . . . . . .
実験で使用したカラーパレット（再掲）
未知語の影響度と色彩ベクトル . . . . .
θcorrect = 1 の場合の再現率 . . . . . . . .
θcorrect = 1 の場合の適合率 . . . . . . . .
θcorrect = 1 の場合の F 尺度 . . . . . . . .
θcorrect = 0.9 の場合の再現率 . . . . . . .
θcorrect = 0.9 の場合の適合率 . . . . . . .
θcorrect = 0.9 の場合の F 尺度 . . . . . . .
θcorrect = 0.8 の場合の再現率 . . . . . . .
θcorrect = 0.8 の場合の適合率 . . . . . . .
θcorrect = 0.8 の場合の F 尺度 . . . . . . .
θcorrect = 0.7 の場合の再現率 . . . . . . .
θcorrect = 0.7 の場合の適合率 . . . . . . .
θcorrect = 0.7 の場合の F 尺度 . . . . . . .
θcorrect = 0.6 の場合の再現率 . . . . . . .
θcorrect = 0.6 の場合の適合率 . . . . . . .
θcorrect = 0.6 の場合の F 尺度 . . . . . . .
v
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
65
65
69
72
79
79
79
80
80
80
81
81
81
82
82
82
83
83
83
表目次
3.1 白石（1999）によって得られた楽曲と色彩の対応関係（白石，1999 よ
り抜粋） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 坂本・鎌田（2007）で使用された形容詞 . . . . . . . . . . . . . . . . 23
3.3 坂本・鎌田（2007）で使用された特徴 . . . . . . . . . . . . . . . . . 24
4.1 比喩の種類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 感覚モダリティに属する語が修飾語として最初に用いられた年代（Williams，
1976 より抜粋） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
4.3 実験に使用した共感覚比喩 . . . . . . . . . . . . . . . . . . . . . . . . 37
4.4 メタファーの理解において出現する特徴 . . . . . . . . . . . . . . . . 38
4.5 特徴の分類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
4.6 連想語に付与するラベルおよび付与条件 . . . . . . . . . . . . . . . . 44
4.7 分類結果 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.8 共感覚比喩の理解と楽曲からの色彩想起の共通点 . . . . . . . . . . . 48
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
実験の種類 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
色彩の回答方法 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
楽曲の試聴からの色彩想起実験（実験 1）の結果 . . . . . . . . . . . .
歌詞のみの提示からの色彩想起実験（実験 2）の結果 . . . . . . . . .
実験 1 と実験 2 の比較結果 . . . . . . . . . . . . . . . . . . . . . . . .
楽曲の試聴からの色彩想起実験（実験 1）の結果（色彩グループ） . .
歌詞のみの提示からの色彩想起実験（実験 2）の結果（色彩グループ）
実験 1 と実験 2 の比較結果（色彩グループ） . . . . . . . . . . . . . .
色彩想起に影響を与えた箇所の異なり数 . . . . . . . . . . . . . . . .
50
53
54
55
56
59
59
60
62
6.1
6.2
6.3
6.4
6.5
色彩の回答方法（再掲） . . . . . . . . . . . . . . . . . . . . . . . .
平均正解楽曲数 . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
手法 1 に関するパフォーマンス . . . . . . . . . . . . . . . . . . . .
手法 2 に関するパフォーマンス（θ = 0.6 の場合） . . . . . . . . . .
楽曲の試聴による色彩印象と推定された楽曲の色彩印象の比較結果
69
75
77
78
85
.
.
.
.
.
A.1 心理実験に使用した楽曲の一覧（順不同，敬称略） . . . . . . . . . . 97
B.1 心理実験に使用した楽曲の 35 色に関する相関係数一覧（表 A.1 の順，
敬称略） . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
vi
C.1 心理実験に使用した楽曲の 13 色彩グループに関する相関係数一覧（表
A.1 の順，敬称略） . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
D.1 色彩想起に影響を与えた歌詞中の箇所（上位 50 位まで） . . . . . . . 106
E.1 システム評価に使用した楽曲の一覧（順不同，敬称略） . . . . . . . . 107
F.1
F.2
F.3
F.4
F.5
F.6
F.7
F.8
手法 1 に関するパフォーマンス . . . . . . . . . .
手法 2 に関するパフォーマンス（θ = 0.3 の場合）
手法 2 に関するパフォーマンス（θ = 0.4 の場合）
手法 2 に関するパフォーマンス（θ = 0.5 の場合）
手法 2 に関するパフォーマンス（θ = 0.6 の場合）
手法 2 に関するパフォーマンス（θ = 0.7 の場合）
手法 2 に関するパフォーマンス（θ = 0.8 の場合）
手法 2 に関するパフォーマンス（θ = 0.9 の場合）
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
110
111
112
113
114
115
116
117
G.1 システム評価に使用した楽曲の相関係数一覧（表 E.1 の順，敬称略） 118
vii
第 1 章 序論
1.1
研究の背景
近年，情報メディアの普及はますます拡大し，それに伴うユーザの情報検索要求
は多様化している．一口に情報メディアと言っても多種多様なものがある．我々の日
常生活に密着し，目にする機会の多い情報メディアの 1 つとしては，音楽情報メディ
アが挙げられる．特に最近では，Apple 社の iPod に代表されるような情報メディア
の普及により，情報メディアに楽曲データを保存しておくことで，どのような場所
でも気軽に音楽を楽しむことができる．当然ながら，我々が音楽を楽しむ際には，楽
曲データを何らかの形で購入しなければならないが，昨今のインターネットによる
データ配信サービスの拡大によって，我々はオンラインで楽曲データを購入できる
ようになった．社団法人日本レコード協会による音楽メディアユーザ実態調査では，
インターネット有料音楽配信購入率は年々増加しており，2009 年の購入率は 2006 年
の 2 倍以上であったと報告されている（図 1.1 参照）．
オンラインで楽曲データを購入する場合，ユーザは楽曲データの配信元のデータ
ベースにアクセスすることになるが，このデータベースには莫大な数の楽曲データ
が蓄積されており，ユーザはその中から所望する楽曲を適切に検索して購入するこ
とになる．このとき問題となるのは，データベースには膨大な数の楽曲が登録され
ているということである．膨大な数の楽曲データがデータベースに蓄積されている
ことで，我々が多種多様な楽曲に触れられる機会は非常に多くなり，未知の楽曲との
出会いを期待することができる．その反面，ユーザは大量の楽曲データの中から所
望する楽曲を適切に検索しなければならず，この作業には多大な労力を要する．し
たがって，この作業をいかに効率よく行うかということが問題であり，このとき必
要とされる情報検索技術が楽曲検索技術である．
最も単純な楽曲検索手法は，楽曲のタイトルやアーティスト名などの属性情報を，
ユーザがクエリとして用いることで楽曲を検索するという手法である．しかし，こ
の手法は，ユーザがあらかじめ楽曲の属性情報を知識として持っていることを前提
としている．そのため，ユーザが検索したい楽曲に関する属性情報を知らない場合
や，ユーザが属性情報を間違って覚えていた場合，この手法によって，所望する楽
曲を検索することができない．
このような問題を解決するために，最近では，様々な楽曲検索手法が提案されて
いる．従来より提案されている楽曲検索手法は，楽曲の音響的な特徴を重視した手
法と，楽曲に対する感性的な印象に関する情報を重視した手法に，大別することが
できる．楽曲の音響的な特徴を重視した手法は，ユーザがクエリとして，歌声，ハミ
1
図 1.1: インターネット有料音楽配信購入率の推移
ング，楽曲データの一部などを入力することで，クエリに近い楽曲，あるいは，クエ
リとして与えられたメロディを含む楽曲を検索する手法である．この手法は，ユー
ザが所望する楽曲に関する属性情報を知らない場合に有効である．しかし，この手
法を利用するためには，ユーザがあらかじめクエリとして用いるメロディなどの知
識，あるいは，楽曲データを所有していなければならないという条件がある．した
がって，この手法は，あらかじめ目的とする楽曲が決まっているユーザに対しては
有効な手法であるが，未知の楽曲との出会いを期待することはできない．これに対
して，楽曲に対する感性的な印象に関する情報を重視した手法は，ユーザがクエリ
として，楽曲に対する印象を感性語あるいは感性語に対する評価尺度を入力するこ
とで，その印象を持つ楽曲を検索する手法である．したがって，この手法は，特に明
確な楽曲の検索を目的とせず，漠然と気分や好みに合った楽曲を検索したい場合に
有効であり，未知の楽曲との出会いを期待することができる．この手法で一般的に
用いられている情報は，楽曲試聴時におけるユーザの心的状態である．しかし，漠
然とした心的状態を感性語を用いて明確に表現するのが困難であることを考慮すれ
ば，必ずしも，感性語あるいは感性語に対する評価尺度を用いる手法が適切である
とは言えない．
以上を考慮すると，楽曲に対する感性情報をクエリとしつつも，従来手法とは異
なる感性情報を用いた楽曲検索手法を提案することは，今後の楽曲検索技術の発展
において重要であると言える．このような背景から，本研究では，ユーザの感性情
報を利用した新しい楽曲検索手法の提案を目的とする．
2
1.2
本研究の位置づけ
1.1 節で述べた本研究の目的から，本研究の位置づけは，以下の通りである．第 1
に，本研究は，特に明確な楽曲の検索を目的としない場合の楽曲検索手法を提案す
る．第 2 に，本研究で提案する楽曲検索手法は，明確な楽曲の検索を目的としない
場合の楽曲検索手法として従来より提案されている，感性情報を用いた楽曲検索手
法の 1 つである．第 3 に，本研究で提案する楽曲検索手法は，感性情報を用いた楽曲
検索手法として従来より提案されている手法で採用されている，ユーザの嗜好，感
性語，感性語に対する評価尺度とは異なる，新たな感性情報を用いた楽曲検索手法
である．具体的には，新たな感性情報として色彩を用いる．第 4 に，本研究は，色
彩を用いた楽曲検索手法を提案することで，今後の楽曲検索技術の発展を目指す．
1.3
論文の構成
本論文は，図 1.2 に示すように，7 つの章で構成される．1 章では，本論文の研究
背景と目的，そして，本論文の大まかな構成を述べる．2 章では，従来より提案さ
れている楽曲検索技術とその問題点を指摘し，ユーザの感性情報を利用した新しい
楽曲検索手法の必要性を述べる．3 章では，楽曲検索における感性情報として，色
彩情報の利用可能性について述べる．具体的には，まず，共感覚という側面に関す
る先行研究から得られた知見が楽曲検索技術に応用可能かどうかを検討する．次に，
共感覚という側面以外の，楽曲と色彩の結びつきに関する先行研究から得られた知
見が楽曲検索技術に応用可能かどうかを検討する．これらの検討によって，我々の
経験に基づくシーン想起というプロセスに着目することで，楽曲検索における感性
情報として，色彩の利用可能性を述べる．4 章では，経験に基づくシーン想起とい
うプロセスに着目し，楽曲検索における感性情報として色彩の利用を検討すること
の妥当性を，人間の認知のあり方が反映される言語の意味の生成や理解に関する研
究を通して確認する．具体的には，共感覚比喩の理解プロセスにおいて，経験に基
づくシーン想起が重要な役割を果たしていることを述べることで，この確認を行う．
5 章では，シーン想起を促す情報として歌詞に着目し，楽曲，歌詞，色彩の結びつ
きによる楽曲検索技術の実現可能性を示す．すなわち，楽曲の試聴によって想起さ
れる色彩と歌詞のみの提示によって想起される色彩の間の相関関係を，心理実験に
よって調査する．この調査によって，歌詞情報のみを分析することで，楽曲の試聴か
ら想起される色彩が推定可能であるということを示す．6 章では，楽曲，歌詞，色彩
の結びつきによる楽曲検索手法を具体的に提案し，提案手法を計算機に実装するこ
とで，歌詞情報のみを分析することで楽曲の試聴から想起される色彩が推定可能で
あり，このことを応用して楽曲検索を行うことが可能であるということを示す．ま
た，試作した楽曲検索システムのパフォーマンスを評価する．7 章では，結論とし
て本論文の内容をまとめ，今後の課題や展望について述べる．
以上から，本論文の成果は 2 つ挙げられる．1 つは，共感覚比喩の理解プロセスに
おいて経験に基づくシーン想起が重要な役割を果たしていることを示したことであ
3
1 章：研究背景と目的，および，本論文の大まかな構成
2 章：従来の楽曲検索技術およびその問題点
3 章：楽曲検索における色彩情報の利用可能性の検討
4 章：楽曲と色彩を結ぶ認知メカニズムとして，
経験に基づくシーン想起に着目することの妥当性の確認
5 章：楽曲，歌詞，色彩の結びつきによる楽曲検索技術の実現可能性の検証 6 章：色彩に基づく楽曲検索システムの提案および評価
7 章：結論
図 1.2: 本論文の構成
る（4 章）．もう 1 つは，歌詞のみを分析することで，色彩をクエリとした楽曲検索
が可能であることを示したことである（5 章および 6 章）．
なお，本論文では経験基盤主義という立場をとるが，この経験基盤主義という用
語は，辻（2002）[52] において定められている用語として用いる．辻（2002）によ
れば，経験基盤主義とは，以下のようなものである．
人間の理性観を代表する考え方の 1 つで，理性が身体を通した種々の
経験に動機付けられて存在すると見る考え方．……………………………
……………（中略）…………経験基盤主義の最も肝要な点は，生物的に
決定された知覚様式（ものの見え方など）
・身体感覚（前後・上下感覚な
ど）から出発すること（身体性）や，経験主体としての人間が，自然環
境ならびに社会環境との相互作用的な関わりを通して，多様な経験をな
し得るという事実を重視することにある．
（辻（2002）より引用）
4
第 2 章 従来の楽曲検索技術
近年，情報メディアの普及はますます拡大し，それに伴うユーザの情報検索要求
は多様化している．一口に情報メディアと言っても多種多様なものがあるが，我々
の日常生活に密着し，目にする機会の多い情報メディアとしては，音楽情報メディ
アが挙げられる．特に最近では，Apple 社の iPod に代表されるような情報メディア
の普及により，情報メディアに楽曲データを保存しておくことで，どのような場所
でも気軽に音楽を楽しむことができる．我々が音楽を楽しむ際には，楽曲データを
何らかの形で購入しなければならないが，昨今のインターネットによるデータ配信
サービスの拡大によって，我々はオンラインで楽曲データを購入できるようになっ
た反面，データベースには無数の楽曲が登録され，ユーザは膨大な数の楽曲の中か
ら，所望する楽曲を適切に探し出さなければならなくなっている．
最も単純な楽曲検索手法は，例えば，Apple 社の楽曲データ配信サービス iTunesStore のように，楽曲のタイトルやアーティスト名などの属性情報を，ユーザがクエ
リとして用いることで，楽曲を検索するという手法である．しかし，この手法では，
ユーザがあらかじめ楽曲の属性情報を知識として持っている必要があり，ユーザが
検索したい楽曲に関する属性情報を知らない場合や，ユーザが属性情報を間違って
覚えていた場合などは，所望する楽曲を検索することができないという問題がある．
このため，最近では，明確な属性情報を必要としない楽曲検索技術が盛んに研究
されており，様々な手法が提案されている．本章では，明確な属性情報を用いなく
ても所望する楽曲を検索可能にする手法として，従来より提案されている楽曲検索
技術を紹介するとともに，それらの問題点について述べる．これにより，新しい楽
曲検索手法の必要性を述べる．
従来の楽曲検索技術は，音響信号の特徴に焦点を当てた手法と楽曲に対するユー
ザの感性情報に焦点を当てた手法に大別することができる．以下では，それぞれの
手法を紹介しながら，それらの手法における問題点を指摘していく．
2.1
音響信号の特徴量を重視した楽曲検索技術
音響信号の特徴量を重視した楽曲検索技術は，クエリとして，所望する楽曲に関
する何らかの音響情報をユーザが用いる手法である．音響信号をクエリとして用い
た楽曲検索技術は，従来より様々な手法が提案されている．代表的な手法としては，
ハミングや楽曲あるいは楽曲の一部をクエリとして用いる手法がある．以下では，
これまでに提案されている，音響信号をクエリとして用いた楽曲検索技術を紹介す
るとともに，それらの問題点について述べる．
5
図 2.1: 入力音声の自動識別による楽曲検索手法（大石ら，2006 より転載）
2.1.1
歌声と朗読音声の自動判別による楽曲検索
大石ら（2006）[41] は，入力音声をクエリとする楽曲検索システムを提案してい
る．彼らが提案しているシステムは，図 2.1 に示すように，クエリが歌声であるか
曲名の読み上げ音声（朗読音声）であるかを自動判別する．クエリが歌声であると
判別された場合，システムは，ハミング検索手法によって，クエリとして与えられ
たメロディが含まれる楽曲を検索する．一方，クエリが朗読音声であると判別され
た場合，システムは，音声認識によってクエリを書き起こし，書き起こされた曲名
の楽曲を検索する．
このシステムでは，クエリを歌声あるいは朗読音声に分類するために，与えられ
た音声情報に関する MFCC（Mel Frequency Cepstrum Coefficients）と呼ばれる短
時間のスペクトル特徴，および，与えられた音声情報の基本周波数の時間変化（時
系列に対する線形回帰係数）の 2 つの尺度を用いて，音声情報の特徴ベクトルを構
成している．システムは，この特徴ベクトルを用いて，あらかじめ歌声と朗読音声
から算出されるそれぞれの特徴ベクトルの分布を学習することで，クエリとして与
えられた音声情報が歌声であるか朗読音声であるかを判別する．
クエリが歌声と判別された場合，システムはメロディの時間構造の特徴を抽出す
ることで楽曲検索を行う．システムは，データベース中の楽曲およびクエリとして
与えられたメロディに関して，10ms 毎に基本周波数を推定し，ある時刻における基
本周波数とその時刻から離れた時刻における基本周波数の相関係数をそれぞれの時
刻毎に求める．そして，その相関係数の系列を特徴ベクトルとして用いる．このよ
うに算出された特徴ベクトルに関して，クエリとデータベース中の楽曲を比較する
ことで検索を行う．
クエリが朗読音声と判別された場合，システムは記述文法音声認識実行キット
Julian-3.4.2 を用いて音声認識を行い，出力された曲名によって楽曲検索を行う．
大石ら（2006）では，この手法の問題点として，約 8 割で検索に成功する歌唱者
もいれば，全く検索に成功しない歌唱者もおり，歌唱者によって偏りのある検索手
6
図 2.2: 声質の類似度に基づく楽曲検索手法（藤原・後藤，2007 より転載）
法であると報告している．
2.1.2
声質の類似度に基づく楽曲検索
藤原・後藤（2007）[5] は，クエリとして与えられた楽曲と類似した声質を持つ楽曲
を検索する楽曲検索システムを提案している．彼らが提案しているシステムは，図
2.2 に示すように，あらかじめ登録楽曲の音響信号を分析し，それぞれの楽曲に関す
るボーカルの声質を表現する特徴量を抽出しておく．そして，クエリとして楽曲が
与えられると，クエリ楽曲のボーカルの声質を表現する特徴量を抽出し，クエリ楽
曲のボーカルの声質の特徴量と登録楽曲のボーカルの声質の特徴量の類似度を計算
し，類似度の高い楽曲を検索結果として出力する．
このシステムでは，伴奏音抑制，特徴抽出，高信頼度フレーム選択の 3 つの処理
によって，ボーカルの声質の特徴量を計算する．伴奏音抑制処理では，ボーカルメ
ロディの基本周波数を推定し，推定された基本周波数に基づいてボーカルメロディ
の高調波構造を抽出する．そして，抽出されたメロディの音響信号を再合成するこ
とで，伴奏音の影響を低減させている．特徴抽出処理では，伴奏音抑制処理によっ
て再合成された音響信号に関して，LPMCC（LPC メルケプストラム係数）と呼ば
れるスペクトル特徴量，および，ボーカルメロディの基本周波数の時間変化係数の
2 つの尺度を，ボーカルメロディの特徴量（特徴ベクトル）として抽出する．高信頼
度フレーム選択処理では，あらかじめ，歌声の学習データおよび非歌声の学習デー
タを用いて，音響情報がどの程度歌声に近いかを判別できるようにしておき，特徴
抽出処理によって抽出されたボーカルメロディの特徴量から，歌声として信頼でき
る区間のみの特徴量を抽出する．この高信頼度フレーム選択処理は，楽曲の中には，
歌声が存在する区間とそうでない区間が混在しており，処理の対象を歌声が存在す
7
図 2.3: 文字列照合による楽曲検索（永野ら，2004 より転載）
る区間に限定するために行われる処理である．提案されたシステムは，以上の 3 つ
の処理によって得られた特徴ベクトルに関して，クエリとデータベース中の楽曲を
比較することで検索を行う．この手法に関しては，計算時間や必要な記憶容量の面
において問題があると報告されている．
2.1.3
文字列照合を利用した楽曲検索
永野ら（2004）[38] は，クエリとして与えられた楽曲と類似する楽曲として，再
演奏された楽曲，テンポの異なる楽曲，移調された楽曲，他の楽器を用いて演奏さ
れた楽曲のような楽曲を想定し，それらの楽曲も検索可能なシステムの構築を試み
ている．彼らの提案手法は，Ghias et al.（1995）[7] の研究を拡張した手法である．
Ghias et al. の提案手法は，単旋律の音高系列を，
“ S（同じ）”，
“ U（上がる）”，
“D
（下がる）”といった，相対音高を表す文字列で表現することで単旋律の照合を行う
という手法である．永野らの提案手法は，Ghias et al. の手法を多重奏の音響信号
に対応可能にしたものであり，楽曲の音響データを単純な符号系列で表現し，この
符号系列に対して文字列照合を行うことで，ロバストかつ高速な楽曲検索を目指し
た手法である．この手法は，図 2.3 に示すように，各楽曲の音響信号に関して，パ
ワースペクトルを抽出することで，2 値多重音響特徴ベクトルと呼ばれる特徴ベク
トルを抽出する．そして，抽出された特徴ベクトルを単純な符号系列として表現す
る．その結果，クエリとして与えられた符号系列に類似する符号系列を含む楽曲を
検索するという手法である．
永野ら（2004）によれば，この手法は，音響信号のスペクトル特徴量のみを用い
た検索手法よりも，高い精度を得られたが，原曲，テンポ変換，移調に対する結果
と比較して楽器変換に対する精度は低かったと報告している．
8
2.1.4
音響信号の特徴量を重視した楽曲検索技術の問題点
以上のように，音響信号の特徴量を重視し，クエリとして何らかの音響情報を用
いる楽曲検索技術に関しては，様々な手法が提案されているが，いくつかの問題点
がある．第 1 に，このような検索手法は，ユーザがあらかじめ所望する楽曲の音響
的な情報を知識あるいはデータとして所有していることが前提となっている．した
がって，検索したい楽曲のメロディはなんとなく覚えているが，その楽曲の属性情
報（i.e., タイトルやアーティスト名など）が分からないようなユーザにとって有益
な楽曲検索技術である反面，特に明確な楽曲の検索を目的とせず，漠然とユーザの
気分や好みに合った楽曲を検索したい場合には有効ではない．第 2 に，目的とする
楽曲があらかじめ決まっているため，ユーザの全く知らない楽曲を新しく発見する
という意外性という側面に関しては，あまり期待することができないと考えられる．
2.2
感性情報を重視した楽曲検索技術
2.1 節で紹介したように，音響信号の特徴量を重視した楽曲検索技術は，従来より
盛んに研究されており，枚挙に遑がない．しかし，2.1.4 節で述べたように，音響信
号の特徴量を重視した楽曲検索技術にはいくつかの問題点がある．また，音楽は本
質的に我々の感性に作用するものであるということを考慮すれば，音響信号の特徴
という，客観的な情報のみで検索を行うのではなく，楽曲からどのような印象を受
けるかといった，我々の感性情報を重視して楽曲検索を行うことは非常に重要であ
る．このことから，最近では，楽曲に対する我々の感性情報を楽曲の特徴として扱
う楽曲検索技術に関する研究が盛んに行われている．そこで，本節では，楽曲に対
する感性情報を重視した楽曲検索手法を紹介するとともに，それらの問題点につい
て述べる
2.2.1
ユーザの嗜好に基づく楽曲検索
ユーザの音楽的な嗜好（好き/嫌い）に適した楽曲を自動的に検索するという楽曲
検索手法は，従来より盛んに提案されている [12, 61, 17, 27, 13, 62]．
Yoshii et al.,（2006）[61] は，登録楽曲のうちのいくつかの楽曲に対するユーザの
好き/嫌いの評価を用いて，ユーザの嗜好に合った楽曲を提供する手法を提案して
いる．彼らは，ユーザと共通する楽曲の評価を行った他のユーザの楽曲評価結果を
参考にすることで楽曲を推薦する協調フィルタリングと呼ばれる手法と，ユーザの
好む楽曲に類似した音響的な特徴を持つ楽曲を推薦する手法を，ベイジアンネット
ワークを用いて統合的に扱い，ユーザの嗜好をベイジアンネットワーク中の隠れ変
数として表現することで，両手法の特徴を活かした楽曲検索手法を提案している．
梶 et al.,（2004）[19] は，ユーザの嗜好に関する情報とユーザの置かれた状況に関
する情報を併用する楽曲検索手法を提案している．彼らは，楽曲の特徴量として歌
詞に着目し，ユーザの好む楽曲と歌詞が類似している楽曲をユーザの嗜好に合った
9
図 2.4: ユーザの嗜好に基づく楽曲検索（Hoashi et al.，2007 より転載）
楽曲としている．この情報に加え，ユーザが楽曲を試聴する際の時間帯，場所，心
理状態などに関するラベルをあらかじめ用意しておき，ユーザの嗜好に合い，かつ，
試聴する状況が類似した楽曲を推薦するという手法を提案している．なお，この研
究において，各楽曲に対する状況のラベル付けは，Web ブラウザを用いたアンケー
トによって行われている．
Hoashi et al.,（2007）[12] は，ユーザの嗜好に基づく楽曲検索手法が抱える問題点
として，複数のジャンル（i.e., 音響的な特徴）の楽曲がユーザから提供された場合
に適切な選曲を行えないという点を指摘している．彼らは，この問題点を解決する
ための手法として，図 2.4 に示すように，ユーザから与えられた複数の楽曲のうち，
ジャンルの類似している楽曲同士を 1 つのグループにまとめ，その結果として得ら
れた各グループを代表するような特徴を個々のクエリとして用い，最終的に，個々
のクエリに類似した楽曲を統合してユーザに提示するという手法を提案している．
2.2.2
楽曲に対する印象の因子分析に基づく楽曲検索
池添ら（1999，2001）[15, 16] は，SD 法によって収集された楽曲の印象を因子分析
し，その結果得られた因子を次元とする音楽感性空間と呼ばれる空間を用いて，楽
曲を検索する手法を提案している．彼らは，心理実験を実施し，あらかじめ用意し
た楽曲に対する印象をいくつかの形容詞対（文献 [15] では 7 種類，文献 [15] では 8
種類）を用いた SD 法によって収集している．そして，得られたデータを因子分析
し，幾つかの因子を抽出している（文献 [15] では楽曲の明暗，力量，質量と解釈し
た 3 因子，文献 [15] では楽曲の明度，力量，安定度，質量，躍動性の 5 因子）．彼ら
のシステムでは，まず，図 2.5 に示すように，心理実験によって収集されたデータ
を用いて，用意された形容詞対に対する評価値を，因子分析によって抽出された各
因子を次元とする音楽感性空間上の座標に写像する操作を学習する．そして，学習
後のシステムに対して，ユーザが所望する楽曲の印象を 7 種類の形容詞対に関する
10
図 2.5: 楽曲に対する印象の因子分析に基づく楽曲検索（池添ら，2001 より転載）
尺度として与えると，システムはクエリを感性空間座標に写像し，感性空間におい
てクエリとユークリッド距離の近い位置に配置されている楽曲を検索結果として出
力する．彼らは，クエリを音楽感性空間上へ写像するための学習に関して，重回帰
分析による学習と階層型ニューラルネットワークの誤差逆伝播法による学習の 2 種
類を比較している．
システムに対する楽曲の登録は，図 2.6 に示すように，心理実験によって因子分
析された楽曲に関しては，因子分析の結果によって得られた前述の因子の値を直接
登録する．また，心理実験による調査がされていない楽曲に関しては，心理実験に
よって調査済みの楽曲に関する心理実験結果とそれらの楽曲の物理的な特徴量（音
の高さの平均値，音の強さの平均値，曲の調性，曲のテンポなど）の関係を学習し，
未知曲に関する音楽感性空間上の座標を推定することで登録が行われている（図 2.6
左側の自動インデクシングシステム部および図 2.6 右側）．
2.2.3
感性の個人差に対応した楽曲検索
杉原ら（2003，2005）[47, 48] は，感性には個人差が存在することを考慮し，個人
の感性特性に応じて楽曲を検索することが可能なシステムを提案している．このシ
ステムでは，40 種類の感性語対に関する 7 段階主観評価による 40 次元のベクトルを
感性ベクトルと呼び，図 2.7 に示すように，絶対基準となる特定の人物（1 名，図 2.7
の“ SE ”）が，あらかじめデータベース内の全ての楽曲に関する感性ベクトルを主
観評価によって作成しておく．次に，ユーザが，システムを使用する以前に，いく
つかの学習曲に対して，主観評価によって感性ベクトルを作成し，システムは，絶
対基準となる人物の作成した学習曲に対する感性ベクトルと，ユーザの作成した学
11
図 2.6: 楽曲に対する印象の因子分析に基づく楽曲検索における楽曲の登録（池添ら，2001
より転載）
習曲に対する感性ベクトルを用いて，ユーザの入力した感性ベクトルの，絶対基準
となる人物の入力した感性ベクトルへの写像を学習する．写像の学習には，階層型
ニューラルネットワークの誤差逆伝播法が採用されている．ユーザは，システムの
学習後，所望する楽曲の印象を 40 次元の感性ベクトルとして表現し，クエリとして
システムに入力する．システムは，クエリとして与えられた感性ベクトルを，絶対
基準となる人物に関する感性空間に写像する．これにより，システムは，単一の感
性的な基準（i.e., 絶対基準となる人物の感性的な基準）に従って，クエリに類似し
た印象の楽曲を検索する．杉原ら（2003,2005）のシステムでは，40 次元の感性空間
上のユークリッド距離によって，クエリと登録楽曲の印象の類似度を算出している．
ただし，杉原ら（2003,2005）では，この楽曲検索手法は，楽曲の感性ベクトルを
評価するための絶対基準となる人物およびユーザの感性が長期にわたって安定して
いることを前提としており，同じ楽曲に対する評価が時間の経過と共に変化するよ
うなユーザには不向きであると述べられている．
2.2.4
音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索
熊本・太田（2006）[26] は．図 2.8 に示すような 10 種類の印象尺度対に関する評
価値をクエリとする楽曲検索システムを提案している．彼らは，標準 MIDI ファイ
ル形式の楽曲に関して，音の“ 高さ ”，
“ 強さ ”，
“ 長さ ”の時間的推移を N グラム
統計量で記述することで，楽曲の音響特徴を扱っている．一方，楽曲の印象尺度に
関しては，国語辞典を用いて，同義語，反義語，類義語を調査し，それらの出現頻
度を基に使用する印象語を決定するという手法（文献 [24]）によって，10 種類の印
象尺度対が選定されている．
12
図 2.7: 感性の個人差に対応した楽曲検索（杉原ら，2005 より転載）
図 2.8: 音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索のインターフェイス（熊
本・太田，2006 より転載）
彼らの提案手法は，図 2.9 に示すように，楽曲に関する音の“ 高さ ”，
“ 強さ ”，
“長
さ”の時間的推移を符号系列として扱い，その符号に関する n-gram（n = 1, 2, 3, 4, 5）
および音色に関する unigram と，心理実験によって得られた，楽曲に対する 10 種類
の印象尺度対を，重回帰分析によって対応づけている．これにより得られた重回帰
13
図 2.9: 音響情報の統計量と形容詞対の評価尺度を用いた楽曲検索（熊本・太田，2006 より
転載）
式を用いて，楽曲の物理的特徴量と印象尺度対に関する評価値の両方を，印象ベク
トルという 1 つの尺度によって扱うことで，クエリとして与えられた印象尺度対に
関する印象ベクトルに近い楽曲が検索される．なお，このシステムでは，クエリと
楽曲の印象ベクトルの近さを表す指標として，マハラノビスの汎距離が採用されて
いる．彼らは，この提案手法は，楽曲印象の受け方における個人差の影響が大きく，
この個人差を解消/抑制する必要があると報告している．
2.2.5
感性情報を重視した楽曲検索技術の問題点
以上のように，感性情報を重視した楽曲検索手法は盛んに研究されているが，い
くつかの問題点がある．第 1 に，クエリとしてユーザの嗜好を用いる場合，ユーザの
嗜好から外れた楽曲は検索されず，ユーザは自分の嗜好以外の楽曲を自由に検索で
きないという問題がある．第 2 に，クエリとして感性語あるいは感性語に対する評価
尺度を用いる場合，クエリとして想定されている情報は，楽曲試聴時におけるユー
ザの心的状態であり，漠然とした心的状態を明確に表現するのは困難である．これ
は，熊本・太田（2003）[25] において，システム評価に参加した被験者からの意見
として報告されていることからも明らかである．第 3 に，感性語に基づいて楽曲を
検索する場合，様々な楽曲を検索するためには，ユーザが相当量の感性語をボキャ
ブラリとして持っていなければならず，使用される感性語が毎回同じものであれば，
新しい楽曲を発見することは困難になるという問題が考えられる．第 4 に，形容詞
対の評価尺度に基づく楽曲検索の場合，微妙なニュアンスにまで対応させた楽曲検
14
索を実現しようとすれば，クエリとして用意すべき印象尺度対が多くなり，それに
伴いユーザの負担が大きくなることで，システムとしての使い勝手が悪化するとい
う問題が考えられる．特に，2.2.3 節で述べた手法では，この問題点に加え，楽曲の
印象を評価する絶対基準となる人物の評価次第で，システムのパフォーマンスが変
動するという大きな問題を含む．また，このシステムでは，事前にユーザの特性を
学習させておかなければならないため，気軽に利用することが困難であると言える．
以上から，楽曲検索において，我々の感性情報を重視して楽曲検索を行うことは非
常に重要であるが，従来手法のように，あらかじめ決められた感性語あるいは感性
語に対する評価尺度を用いて心的状態を表現するのではなく，より直感的な印象を
反映できるような新しい感性情報を楽曲検索に取り入れる必要があると言える．こ
のことから，次章では，楽曲検索における新しい感性情報として，色彩情報の利用
可能性を検討する．
15
第 3 章 楽曲検索における感性情報としての色
彩情報の利用可能性
3.1
色彩情報の利用可能性
2 章で述べたように，感性情報を用いた楽曲検索技術は，今後の楽曲検索手法と
して重要な技術になると期待できる．2 章で述べた先行研究では，感性情報として，
形容詞あるいは形容詞対といった感性語が用いられているが，これらの情報以外に，
感性情報として利用できる情報はないだろうか．
例えば，川越・神酒（2003）[20] は，カラー画像から抽出された配色パターンに
基づいて，画像から感性情報を抽出する研究を行っている．彼らは，画像から単色
の代表色あるいは代表色の組み合わせを抽出し，抽出された色彩あるいは色彩の組
み合わせに対応する感性語を，日本カラーデザイン研究所のデータベース [23] を用
いて決定するという手法によって，画像に対応する感性語を抽出している．
また，桑原・加藤（1994）[30] は，
“ 明るく穏やかな ”や“ 軽快でコクのある ”の
ような表現（この研究では色調語と呼ばれる）をクエリとして入力すると，クエリ
の印象に近い配色パターンをデータベースから検索し，ユーザに提示するシステム
を提案している．彼らの提案するシステムでは，感性的な言語表現と配色パターン
の対応を，相互結合型ニューラルネットワークによって学習することで，色調語か
ら配色パターンを検索可能にしている．ただし，このシステムでは，ユーザが自由
に色調語を入力するのではなく，あらかじめ用意された色調語をクエリとして用い
ている．
このように，感性と色彩の結びつきに着目した研究が行われていることを考慮す
れば，楽曲検索において，ユーザの嗜好や感性語以外の感性情報として，色彩情報
の利用を検討することは妥当であると言える．そこで，以下では，楽曲と色彩の関
係に関する先行研究について述べる．
3.2
楽曲と色彩の直接的な対応関係に関する研究
楽曲と色彩の直接的な対応関係を検討する場合，その代表的な研究として共感覚に
関する研究がある．共感覚とは，ある刺激によって様相の異なる 2 つの経験が生じる
ことであり，特に，音刺激に対して色覚を伴う現象は色聴と呼ばれる [4, 3]．Cytowic
（2002）[4] は，共感覚は，複雑で感性的な対応によって起こるのではなく，非常に
単純な動物的な反応であると述べている．このことは，楽曲と色彩の直接的な対応
関係の存在を示唆していると考えられる．そこで，この節では，楽曲と色彩の直接
16
表 3.1: 白石（1999）によって得られた楽曲と色彩の対応関係（白石，1999 より抜粋）
音階：長調
ペールトーン（暖色系統）
ビビッドトーン（色相全般）
音階：短調
ペールトーン（寒色系統）
ダルトーン（寒色系統）
ダークトーン（寒色系統）
テンポ：急
ビビッドトーン（暖色系統）
テンポ：緩
傾向があまりない
タッチ：強
ダルトーン（寒色系統）
ダークトーン（寒色系統）
タッチ：弱
ペールトーン（色相全般）
音程：高
ペールトーン（黄と青）
ビビッドトーン（黄と青）
音程：低
ダルトーン（寒色系統）
ダークトーン（寒色系統）
的な対応関係に関する先行研究から，楽曲検索において，感性情報として色彩を利
用するための手がかりとなる知見が得られないかを検討する．
3.2.1
楽曲と色彩の大まかな対応
白石（1999）[46] は，被験者に対して，楽曲の試聴から想起された印象を，色彩，
線画，形容詞対尺度によって回答させる心理実験を実施した．その結果，楽曲と色
彩の関係として，表 3.1 に示すような結果が得られたと報告している．
この研究で得られた，楽曲を構成する要素と色彩の対応関係は，長調から暖色の
ペールトーン，短調から寒色のペールトーン，のように非常に大まかなものである．
楽曲検索における感性情報として色彩の利用を考慮する場合，このような大まかな
分類を利用すると，長調の楽曲は暖色，短調の楽曲は寒色といったように，非常に
大まかな対応しかできず，楽曲検索システムとしての有用性は非常に低くなるとい
う問題が考えられる．例えば，ユーザがクエリとして入力した色彩が暖色であれば，
長調の楽曲が全て検索されてしまうことで検索の絞込みができない，あるいは，黄
や青が入力されれば音程の高い楽曲が全て検索されてしまう，というような問題が
起こると考えられる．
したがって，白石（1999）のように，調が長調/短調，テンポが強い/弱い，のよ
うな楽曲の特徴の大まかな分類，または，暖色，寒色のような色彩の大まかな分類
を用いた研究から得られた知見を，楽曲検索に応用することは現実的ではないと考
えられる．
17
3.2.2
色聴保持者の音刺激と色彩の対応規則
長田ら（2003）[39] は，単純音源に関する調，音高，音色のパラメータと色彩印
象に関する色相，明度，彩度のパラメータの間にある，感性語を介さない直接的な
対応関係を調査している．彼女らは，まず，共感覚保持者を被験者として，共感覚
保持者に関する，調，音高，音色のパラメータと色相，明度，彩度のパラメータの
間にある，対応関係を調査した．なお，被験者が共感覚保持者であるかどうかの判
断は，以下の 4 項目に従って判断している．
1. 色彩の選択に再現性が見られること
2. 幼児期から色彩を感じた経験を持っていること
3. 感じる色彩が，色音符による音楽教育経験がないことを含めて，固有のものの
記憶に結びついていないこと
4. 色彩を感じる際に，好き/嫌い，快/不快といった情動を伴っていること
彼女らは，被験者に対して，提示された音刺激に対する印象に近い色彩をカラー
チャートから選択させた．また，彼女らは，約 3ヶ月後に，同じ被験者に対して同
様の実験を行い，音刺激と色彩の対応関係の再現性も調査している．
長田ら（2003）の実験では，図 3.1（a）に示す色相環のうち偶数番号の 12 色相が
色相として採用されている．また，図 3.1（b）に示す，横軸に彩度，縦軸に明度を
とる座標上に配置される 15 カテゴリのうち，11 カテゴリがトーンとして採用され
ている．そして，これらの色相とトーンを組み合わせ，132 通り（12 × 11）の色彩
を作成し，これらの色彩とは別に，グレー系 9 色，ピンク系 10 色，ブラウン系 8 色，
オフニュートラル系 7 色を加えた，合計 166 通りの色彩が採用されている．
彼女らは，実験の結果，色聴保持者に関する音と色彩の対応関係に関して，以下
の規則が得られたと報告している．
1. 調と色相は極めて強い相関を持ち，個人内で高い再現性があるが，他の色聴保
持者との間には色相に共通性は見られない．ただし，色聴保持者であり，かつ，
絶対音感1 保持者の場合に関しては，ある程度の共通性が見られる．
2. 音色に関しては，高調波成分が増えると選択する色彩の彩度が上がり明度が下
がる傾向がある
3. 音高については，音高が上がると色彩の明度が上がる傾向がある
4. 音の優先順位は，調音 > 高音 > 色，である
さらに，彼女らは同様の実験を非色聴保持者を被験者として実施した．しかし，被
験者である非色聴保持者全員が，明確に色彩を選択できなかったと報告している．そ
1
音高を他の音高と比較せずに識別する能力
18
図 3.1: 長田ら（2003）で使用された色彩（長田ら，2003 より転載）
の結果，彼女らは，非色聴保持者に関して，音と色彩の対応関係を明示的に示すの
は不可能であると述べている．
次に，彼女らは，非色聴保持者かつ非絶対音感保持者を被験者として，色聴保持
者の実験から得られた音と色彩の対応関係に基づいて，音刺激の提示と同時に色刺
激を提示されるグループと提示されないグループに分けることによって，音刺激か
ら調同定できるように訓練した．訓練後，被験者に調同定させる実験を行い，被験
者が調同定において何を手がかりとしたか，または何をイメージしたかについて調
査した．その結果，音刺激の提示と同時に色刺激を提示されるグループの調同定能
力が他方のグループよりも向上したことから，非色聴保持者にも調と色彩の対応関
係を認識する能力が潜在している可能性を報告している．なお，この訓練において
音刺激の提示と同時に色刺激を提示されなかったグループでは，調同定の際に，
“白
いカーテン ”や“ 川・湖 ”などのような具体的な物やシーンをイメージとして挙げ
19
ている被験者が多かったと報告していることは，非常に興味深い．
長田ら（2003）の研究結果を考慮すると，楽曲検索における感性情報として，色
聴保持者に関する研究から得られた知見を応用することは，現状において困難であ
ると考えられる．第 1 に，楽曲検索システムの普及を考慮した場合，共感覚保持者
は数万人に 1 人という極めて稀な存在であり [4, 39]，一般のユーザ層としては，非
共感覚保持者が圧倒的に多い．第 2 に，楽曲検索としての利用を考慮した場合，そ
の検索パフォーマンスには安定性が求められる．すなわち，ある色彩をクエリとし
て入力した場合，多くのユーザが共通して満足できるような検索結果を出力しなけ
ればならない．長田ら（2003）の研究結果から，色聴保持者個人内においては，調
と色彩の対応関係に極めて強い相関と高い再現性が確認されたものの，色聴保持者
の間には共通性が見られていない．このことは，同一の色彩をクエリとして入力し
ても，その出力結果に満足できるユーザと満足できないユーザがいることを示唆す
る．したがって，このような楽曲システムが多くのユーザに受け入れられることは
期待できない．第 3 に，色聴保持者の音と色彩の対応規則に基づいて，非色聴保持
者が訓練を受けることによって，ある程度の音と色彩の対応関係を認識できるよう
になると述べられているが，楽曲検索のためにわざわざ訓練を受けなければならな
いということは明らかに非現実的である．
以上から，楽曲検索における感性情報として色彩を利用するための手がかりを得
るには，共感覚（i.e., 色聴）保持者のように，音刺激と色彩印象を直接的に対応付
けるという認知的メカニズムに焦点を当てた研究とは別の視点から，楽曲と色彩の
結びつきを検討する必要があると考えられる．
3.3
楽曲と色彩の間接的な対応関係に関する研究
3.2 節で述べたように，楽曲と色彩の直接的な対応関係に関する研究から得られ
た知見を楽曲検索に応用することは，現状において困難であると考えられる．した
がって，この節では，音刺激と色彩印象を直接的に対応付けるという，共感覚（i.e.,
色聴）保持者のような認知的メカニズムに焦点を当てた研究とは別のアプローチに
よって，楽曲と色彩の結びつきを検討する．
3.3.1
形容詞を介した楽曲と色彩の結びつきの可能性
山脇・椎塚（2005，2002）[60, 59] は，楽曲と色彩を結び付けている要因として形
容詞を想定している．彼らは，カラーイメージ事典 [40] に記載されている形容詞の
いくつかを用いて，被験者に，楽曲の試聴から得られる印象を表す形容詞を選択さ
せる実験を行った．このとき，彼らは，被験者に対して，楽曲の印象を色彩で表現
することも同時に求めている．なお，色彩の回答に関しては，山脇・椎塚（2002）で
は，被験者に，実験に使用した形容詞とカラーイメージ事典において対応付けられ
ている色彩の配色パターンから選択させ，山脇・椎塚（2005）では，自由回答によっ
て被験者に色彩を回答させている．被験者に関しては，山脇・椎塚（2002）では，音
20
図 3.2: 山脇・椎塚（2005）で使用されたカラーイメージスケール（山脇・椎塚，2005 より
転載）
楽的な訓練を受けている被験者を対象として実験が行われ，山脇・椎塚（2005）で
は，音楽的な訓練を受けている被験者と，音楽的な訓練を受けていない被験者の両
方に対して実験が行われている．
彼らは，カラーイメージスケールと呼ばれる，図 3.2 に示すような，横軸を WarmCool，縦軸を Soft-Hard に関する尺度とした 2 次元座標上に形容詞を配置した図を
用いて，被験者の回答が，このカラーイメージスケール上のどこに集中するのかを
調査することによって被験者の回答を分析している．すなわち，形容詞の回答に関
しては，回答された形容詞のカラーイメージスケール上の座標を求め，色彩の回答
に関しては，カラーイメージ事典によって，その色彩に対応する形容詞を求め，求
められた形容詞のカラーイメージスケール上の座標を求めることで，2 種類の回答
が一致するかどうかを分析している．
この実験の結果，山脇・椎塚（2002）では，回答された形容詞と色彩の間に明確
な対応関係は見られなかったと報告している．また，山脇・椎塚（2005）では，音
楽的な訓練を受けている被験者に関しては，回答された形容詞と色彩の間に対応関
係が見られたが，音楽的な訓練を受けていない被験者に関しては，回答された形容
詞と色彩の間に明確な対応関係は見られなかったと報告している．
山脇・椎塚（2005，2002）を考慮すれば，楽曲検索における感性情報として，形容
詞を介した楽曲と色彩の結びつきの可能性を検討するのは，現実的ではないと考え
られる．第 1 に，山脇・椎塚（2005）では，音楽的な訓練を受けている被験者に関し
ては，回答された形容詞と色彩の間に対応関係が見られたと報告されているものの，
音楽的な訓練を受けていない被験者に関しては，回答された形容詞と色彩の間に明
確な対応関係は見られなかったと報告されている点が挙げられる．3.2.2 節でも述べ
たように，一般のユーザ層としては，非共感覚保持者や音楽的な訓練を受けていな
21
いユーザが圧倒的に多く，山脇・椎塚（2005，2002）の報告を考慮すれば，形容詞を
介した楽曲と色彩の結びつきというアプローチによる楽曲検索手法は，多くのユー
ザを満足させることができないことは明らかである．仮に，音楽的な訓練を受けて
いる被験者に関して，回答された形容詞と色彩の間に対応関係が見られていたとし
ても，楽曲検索のためにわざわざ音楽的な訓練を受けなければならないということ
は明らかに非現実的である．第 2 に，音楽的な訓練を受けている被験者に関しても，
山脇・椎塚（2005）では，回答された形容詞と色彩の間に対応関係が見られたと報
告されているが，山脇・椎塚（2002）では，回答された形容詞と色彩の間に明確な対
応関係は見られなかったと報告されている点が挙げられる．長田ら（2003）の報告
にもあるように，色聴保持者が音刺激から想起する色彩に関しては，個人の間で共
通性が見られないと言われている．したがって，音楽的な訓練を受けている被験者
が回答した形容詞と色彩の間に対応関係が見られたという報告は，より大規模な心
理実験によって検証すべきであると言える．第 3 に，仮に，音楽的な訓練を受けて
いる被験者に関して，回答された形容詞と色彩の間に対応関係が見られたとしても，
山脇・椎塚（2005，2002）では，具体的に楽曲を構成するどの要素が色彩，あるい
は，形容詞と結びついているのかという点に関して，全く考察されていない点が挙
げられる．当然であるが，楽曲検索において感性情報を利用する場合，楽曲を構成
するどの要素が感性情報とどのような結びつきをしているのか，という点に関する
情報がなければならない．例えば，2 章で紹介した楽曲検索手法においても，楽曲
の音響的特徴量と感性情報の対応を取ることで，楽曲の構成要素と感性情報を結び
付けている．これに対して，山脇・椎塚（2005，2002）のアプローチでは，登録楽
曲全てに対して，形容詞あるいは色彩の情報を人手で付与しなければならず，デー
タベース更新の度に，そのような作業をすることは，非現実的であると言える．
以上から，楽曲検索における感性情報として色彩を利用するための手がかりを得
るには，さらに別の視点から，楽曲と色彩の結びつきを検討する必要があると考え
られる．山脇・椎塚（2005）の報告にあるように，一般的な被験者が形容詞を介し
て楽曲と色彩を結びつけていないのだとすれば，彼らが楽曲と色彩を結びつけてい
る認知メカニズムは一体何であろうか．
3.3.2
シーン想起による楽曲と色彩の結びつきの可能性
坂本・鎌田（2007）[45] は，音楽や色彩に関する特別な訓練を受けていない被験
者を対象として，楽曲と色彩の結びつきに関する認知的特性を調査している．彼女
らは，被験者に対して，楽曲の試聴後に楽曲の印象を回答する課題を 3 種類行って
いる．
第 1 の課題は，カラーイメージ事典 [22] から図 3.3 に示す 6 種類の配色パターンを
用意し，楽曲の試聴後に，これらの配色パターンのうち，楽曲の印象を表すパター
ンを選択するという課題である．
第 2 の課題は，試聴した楽曲の印象を，同カラーイメージ事典において，図 3.3 に
示した 6 種類の配色パターンの特徴を表すものとして使用されている 34 種類の形容
22
図 3.3: 坂本・鎌田（2007）で使用された配色パターン（坂本・鎌田，2007 より転載）
表 3.2: 坂本・鎌田（2007）で使用された形容詞
かわいい
子供らしい
あまい
みずみずしい
シンプルな
洗練された
自然的な
繊細な
やわらかい
渋い
地味な
重圧な
精密な
冷たい
冷静な
メカニックな
すっきりした
かたい
華やかな
にぎやかな
活動的な
大胆な
情熱的な
ダイナミックな
激しい
荒削りの
清らかな
シンプルな
洗練された
都会的な
細かい
おだやかな
軽い
暖かい
詞に関する 7 段階 SD 法によって評価するという課題である．このとき使用された
34 種類の形容詞は，表 3.2 に示す通りである．
第 3 の課題は，試聴した楽曲から連想される特徴を自由記述によって，表 3.3 に示
す 6 項目に関して回答するという課題である．
第 1 の課題（i.e, 配色パターンの選択課題）の結果に関しては，被験者が選択した
配色パターンに偏りがあったことから，音楽や色彩に関する特別な訓練を受けてい
ない一般的な被験者に関して，何らかの形で楽曲の印象と色彩が結びついていると
報告されている．第 2 の課題（i.e., 形容詞に関する SD 法評定）の結果に関しては，
SD 法評定結果を主成分分析し，第 1 の課題で選択された配色パターンの特徴とし
23
表 3.3: 坂本・鎌田（2007）で使用された特徴
1
2
3
4
5
6
楽曲の試聴によってイメージされる時間
楽曲の試聴によってイメージされる人や物
楽曲の試聴によってイメージされる場所
楽曲の試聴によってイメージされる状況
楽曲の試聴によって感じた印象
楽曲の試聴によって感じた気分
て使用されている形容詞が，抽出された因子のうちどの成分に含まれるのか，とい
うことが分析された．その結果，実験で使用されたほとんどの楽曲において，第 1
の課題で選択された配色パターンの特徴として使用されている形容詞を含む成分が，
上位の因子として抽出されているということはなかったと報告されている．彼女ら
は，第 1 の課題および第 2 の課題の結果から，音楽や色彩に関する特別な訓練を受
けていない一般的な被験者においても，楽曲の試聴から色彩を連想するという認知
能力の存在が観察されるが，そのプロセスは，音楽から何らかの感性的な因子が抽
出され，そこから，その感性的な因子に対応する色彩が連想されるというプロセス
ではないと報告している．
音楽や色彩に関する特別な訓練を受けていない一般的な被験者が楽曲の試聴から
想起する色彩は，感性的な因子を介した色彩でないとすると，一般的な被験者が楽
曲の試聴から色彩をどのように想起しているのだろうか．この疑問を解決するため，
坂本・鎌田（2007）では，さらに追加実験を行っている．彼女らは，先の実験におけ
る課題 3（i.e., 楽曲から連想される特徴の自由記述）によって得られた回答のうち，
それぞれの楽曲において高頻度で回答された単語群を追加実験の被験者（先の実験
の被験者とは異なる）に提示し，提示された単語群から連想される色彩印象を，先
の実験の課題 1 で使用した 6 種類の配色パターンから選択させる実験を行った．その
結果，使用した全ての楽曲において，提示された単語群から想起された配色パター
ンが，課題 1 で選択された配色パターンと一致していたと報告している．すなわち，
彼女らは，音楽や色彩に関する特別な訓練を受けていない一般的な被験者が，楽曲
の試聴から想起する色彩は，楽曲の試聴から想起される具体的なシーンから想起さ
れる色彩に対応していたと述べている．このことから，坂本・鎌田（2007）では，音
楽や色彩に関する特別な訓練を受けていない一般的な被験者においては，色聴保持
者のように，楽曲の試聴と色彩を直接的に対応させるのではなく，例えば，
“ ある楽
曲の試聴からジャングルや森を想起することで緑を想起する ”といったように，楽
曲の試聴からの具体的なシーン想起を介することで色彩を想起するというプロセス
が働いていると述べている．
坂本・鎌田（2007）で確認された，楽曲の試聴から具体的なシーン想起するという
現象は，長田ら（2003）の研究においても確認されているという点で非常に興味深
いばかりではなく，楽曲検索における感性情報としての色彩の利用可能性を示唆し
24
ている．なぜなら，もし，楽曲の中に何らかのシーン想起を促す情報が含まれてい
るのであれば，その情報を解析することで，楽曲からどのようなシーンが想起され
るのかを予測し，予測されたシーンに関する色彩を決定できる可能性があるからで
ある．さらに，この現象は，音楽や色彩に関する特別な訓練を受けていない一般的
な被験者に関する実験から得られた結果であり，楽曲検索検索手法として応用する
ことが可能になれば，3.2.2 節で述べた全ての問題点を解決することができる．すな
わち，第 1 に．楽曲検索システムの普及を考慮した場合，一般のユーザ層として非
共感覚保持者が圧倒的に多いが，楽曲の試聴から具体的なシーン想起するという現
象は，一般的な被験者に関する実験によって得られた知見であるため，ユーザ層の
大部分を対象とすることができる．第 2 に，楽曲検索としての利用を考慮した場合，
その検索パフォーマンスには安定性が求められるが，この点に関しても，もし楽曲
から想起されるシーンが一様なものであるならば，そのシーンに対応する色彩は比
較的一定の色彩となる（例えば，山や森に対しては緑，海や空に対しては青，恋に
対してはピンク，など）ことが期待できる．第 3 に，ある具体的なシーンに対応す
る色彩は，我々の経験によって獲得される知識であり，具体的なシーンから色彩を
想起するための特別な訓練を受ける必要はなく，気軽にシステムを利用することが
可能である．第 4 に，想起されるシーンは我々の様々な経験によって獲得されてい
る知識に基づくため，想起されるシーンのバリエーションは非常に多岐に渡ると予
測される．したがって，それらに対応する色彩（単色あるいは複数の色彩の組み合
わせ）も多岐に渡ると予想される．例えば，同じ“ 海 ”を想起する場合でも，
“ 夏の
海 ”と“ 冬の海 ”に対応する色彩は異なると考えられる．このことから，楽曲毎に，
対応する色彩も多岐に渡る可能性があり，それが検索結果の絞込みの効果をもたら
すと期待できる．
以上の点を考慮し，本論文の以降の部分では，坂本・鎌田（2007）で明らかになっ
た，シーン想起による楽曲と色彩の結びつきという現象に着目して，楽曲検索にお
ける感性情報として色彩の利用を検討する．ここで，坂本・鎌田（2007）で明らか
になった，楽曲の試聴からの具体的なシーン想起を介して色彩を想起するというプ
ロセスを楽曲検索技術に応用するというアプローチは，楽曲検索における色彩の利
用に対してのみ期待できるプロセスなのだろうか．楽曲の試聴から何らかの具体的
なシーン想起を介して色彩を想起するというプロセスを重視することは，認知活動
において我々の経験を重視する経験基盤主義に基づくアプローチであると言える．
この経験基盤主義は，本研究のみが重視するアプローチではない．例えば，認知科
学の一分野である認知言語学においても，経験基盤主義という立場がとられている．
具体的なシーン想起に着目して楽曲検索における色彩の利用を検討するというアプ
ローチの妥当性を主張するには，坂本・鎌田（2007）のような音楽認知以外の分野か
らも，経験基盤（i.e., 具体的なシーン想起）に基づいて楽曲と色彩を結びつける認
知プロセスを支持する（少なくとも示唆する）知見を得ることができれば好ましい．
そこで，次章では，具体的なシーン想起に着目して楽曲検索における色彩の利用
を検討することの妥当性を，音楽認知以外の分野の研究を通して確認する．具体的
には，人間の認知のあり方が反映される言語の意味の生成や理解という点から確認
25
する．
26
第 4 章 人間の認知活動における経験基盤の重
要性
3 章では，楽曲検索における感性情報として，色彩の利用可能性を，シーン想起
による楽曲と色彩の結びつきという点から述べた．本章では，楽曲と色彩を結ぶ認
知メカニズムとして，経験に基づくシーン想起に着目して楽曲検索における色彩の
利用を検討することが妥当であることを，音楽認知以外の分野から確認する．具体
的には，人間の認知活動における経験基盤の重要性を，人間の認知のあり方が反映
される言語の意味の生成や理解という点から確認する．
4.1
人間の認知活動における経験と言語の関わり
人間の一般的な認知能力において，経験に基づく知識が重要であるということは古
くから述べられている．例えば，我々が，ある事物をグループにまとめること（i.e.,
カテゴリー化）が可能なのは，様々な経験によって，経験された世界に関する認識
を，典型性の度合いによって区別できるからである（Rosh，1978）[43]．また，我々
が，事象の規則性を認識できるのも，様々な外界における経験に関するエピソード
記憶によって，スキーマが形成されるためである．したがって，外界に関する経験が
なければ，我々は日常生活において規則性を認識することができない．例えば，レ
ストランに行き，注文をし，食事をし，清算するという，一連のスキーマは，レス
トランで食事をするという経験に基づいた知識を獲得しているからである．ここで，
人間の一般的な認知能力を分析可能な形として表現しているのは言語である．すな
わち，言語を分析することで，我々の認知活動のあり方を知ることができる．
認知言語学では，言語活動における経験基盤を重視している．例えば，以下の 4
つの文は，いずれも，1 つの事象に関する内容を述べた文である．
1. Floyd broke / hit the glass with a hammer.（フロイドは金槌でグラスを壊し
た/叩いた）
2. The hummer broke the glass.（金槌がグラスを壊した）
3. The glass (easily) broke.（グラスが（簡単に）割れた）
4. Floyd hit the hammer against the glass.（フロイドはグラスに金槌を打ちつけ
た）
（Langacker，1990）[34]
27
このように，1 つの事象に対して，様々な言語表現を用いることができるのは，我々
が，ある事象に関して，どこに主眼を置くかによって事態をどのように捉えることが
できるか，ということを経験的に知っているからであるとされる（Langacker，1990）．
4.2
比喩における経験基盤の重要性
アリストテレス以来，比喩に関する研究は古くから行われているが，近年まで，比
喩は弁論術や修辞的な文飾の技巧といった芸術活動の 1 つとして扱われている程度
にすぎず，比喩に関する研究は，人間の認知活動を支える基盤を解明するための研
究として扱われることはなかった．
しかし，Lakoff & Johnson（1980）[31] によって，そのような比喩に関してさえ，
経験基盤が重要であるということが確認されている．彼らは，言語表現のみならず
思考や行動に至るまで日常の営みのあらゆるところに比喩が浸透しており，我々が
普段，ものを考えたり行動したりする際に基づいている概念体系の本質は，根本的
に比喩によって成立しているということを，膨大な例文を用いて述べている．例え
ば，
“ My income rose last year.（私の年収は去年上がった）”という文を理解する
ためには，量の概念と空間の概念が密接に結びついていなければならない．Lakoff
& Johnson（1980）によれば，我々がこの例文を理解できるのは，容器の中あるい
は山のように積み重ねたところへ物質や物体を追加するとさらにその嵩が高くなる，
という経験に基づく同時性（この例文の場合は量と高さの関係）に関する知識を獲
得しているためである．Lakoff & Johnson（1980）では，この例文の他にも膨大な
例文を用いて，我々の経験に基づく同時性の知識が比喩の理解の基盤として働いて
いることを示しており，彼らの研究から，比喩の理解プロセスの研究と人間の認知
活動のプロセスの研究が密接な関係にある，ということを確認することができる．
ここで，一口に比喩と言っても様々な種類がある．比喩は，名詞比喩，動詞比喩，
形容詞比喩に大別することができる．比喩において，喩える語は喩辞と呼ばれ，喩
えられる語は被喩辞と呼ばれる．表 4.1 に示すように，名詞比喩は，
“ My job is a jail
（私の仕事は刑務所だ）”のように，名詞を喩辞とする比喩である（e.g., Bowdle &
Gentener, 2005 [2]; Gentner, Bowdle, Wolff, & Boronat, 2001 [6]; Glucksberg, 2001
[8]; Jones & Estes, 2006 [18]; Utsumi & Sakamoto [54]; 内海・坂本 [55]）．動詞比
喩は，
“ He shot down all of my argument（彼は私のすべての論拠を撃墜した）”の
ように，動詞を喩辞とする比喩である（e.g., Lakoff & Johnson, 1980 [31]; Martin,
1992 [35]）．形容詞比喩は，
“ 赤い味 ”や“ 理屈っぽいメロディー ”のように，形容
詞などの修飾句を喩辞とする比喩である．
前述の Lakoff & Johnson（1980）において研究されていたのは動詞比喩であるが，
Grady（1997）[11] によれば，名詞比喩に関しても，我々の経験基盤が重要な役割を
果たしている．例えば，
“ Achilles is a lion（アキレス（人の名前）はライオンであ
る）”という名詞比喩に関しては，従来，アキレスとライオンの間にある類似性とい
う抽象的な点から説明が行われていた．Grady（1997）は，前述の Lakoff & Johnson
（1980）の例で述べた，量と空間の同時性の関係のように，基本的な経験に関する 2
28
表 4.1: 比喩の種類
名詞比喩
動詞比喩
形容詞比喩
名詞を喩辞とする比喩
動詞を喩辞とする比喩
修飾句を喩辞とする比喩
つの側面間の密接な共起を数え切れないほど経験することで，勇敢な人（アキレス）
とライオンの間に類似性を知覚することができると述べている．この考え方は，松
本（2003）[36] や谷口（2003）[49] など，様々な研究者によって注目されている．こ
のように，動詞比喩だけでなく，名詞比喩に関しても経験基盤が重視されている．
しかし，形容詞比喩に関しては，綿密な調査あるいは分析によって，経験基盤の
重要性を実証した研究が行われていないのが現状である．すなわち，形容詞比喩の
理解プロセスに関する綿密な調査を行った研究では，経験基盤は重視されていない．
そこで，本章では，形容詞比喩の中でも多く研究されている共感覚比喩を対象とし
て，大規模な心理実験から得られたデータを分析する，この分析により，これまで
経験基盤が重視されていなかった共感覚比喩においてさえ，我々の経験基盤が重要
であるということを確認する．これにより，楽曲検索における感性情報として色彩
の利用を検討することが妥当であることを確認する．
次節では，形容詞比喩の中でも研究が盛んに行われている共感覚比喩（次節で詳
述）に関する先行研究を述べ，形容詞比喩（共感覚比喩）に関しては，経験基盤の
重要性に関する調査が綿密に行われていないことを示す．次々節では，形容詞比喩
（共感覚比喩）の理解における経験基盤の重要性の検証を行う．
4.3
4.3.1
共感覚比喩に関する先行研究
共感覚比喩の理解しやすさと修飾の方向性に関する研究
形容詞などの修飾句を喩辞とする形容詞比喩の中でも，特に，
“ 赤い味 ”や“ 静か
な色 ”のように，ある感覚モダリティに属する語が別の感覚モダリティに属する語
を修飾する形容詞比喩のことを共感覚比喩という．共感覚比喩に関する研究は古く
から行われているが，そのほとんどが，共感覚比喩の理解しやすさと修飾の方向性
に焦点を当てた研究である．これらの研究では，どの感覚モダリティに属する喩辞
（i.e., 形容詞）がどの感覚モダリティに属する被喩辞（i.e., 名詞）を修飾する場合に，
理解しやすい共感覚比喩となるかを調査したものである．
Ullmann（1951）[53] は，共感覚比喩に関する研究の中でも先駆的研究であると言
われている．彼は，どの感覚モダリティに属する語がどの感覚モダリティに属する
語を修飾するために使用されているかに関して，Byron，Keats，Wilde，Symons，
Gautier，その他の 19 世紀の詩を用いて調査した．その結果，図 4.1 に示すように，
触覚に属する語が他の感覚モダリティに属する語を修飾するために最も多く用いら
れる傾向があること，聴覚に属する語が他の感覚モダリティに属する語によって最
29
触覚
聴覚以外の感覚モダリティ
触覚，味覚
⇒
⇒
⇒
触覚以外の感覚モダリティ
聴覚
視覚，聴覚
図 4.1: Ullmann（1951）による感覚モダリティ属する語の修飾の方向性
表 4.2: 感覚モダリティに属する語が修飾語として最初に用いられた年代（Williams，1976
より抜粋）
触覚
dull
sour
deep
vivid
（本来は触覚）
（本来は味覚）
（本来は次元）
（本来は色覚）
味覚
嗅覚
次元
1230
1000
色覚
聴覚
1430
1475
W3
1387
W3
1340
854
1398
1665
も多く修飾される傾向があること，触覚や味覚に属する語が視覚や聴覚に属する語
を修飾する傾向があることが分かったと報告している．Ullmann（1951）が対象と
した 11 人の 19 世紀の詩の中でこのような共感覚比喩が使用されているのは，その
表現が理解可能だからである．このことを考慮すれば，Ullmann（1951）によって
明らかにされた，感覚モダリティ属する語の修飾の方向性は，共感覚比喩の理解し
やすさと関係があると言える．
Ullmann（1951）の後，Williams（1976）[57] は，英語の辞書に記述されている
用例を対象とした通時的研究を行った．彼は，the Oxford English Dictionary，the
Middle English Dictionary，Webster’s Third という 3 種類の辞書において，ある感
覚モダリティに属する語が別の感覚モダリティに属する語を修飾するために最初に
用いられた年代を調査することで，感覚モダリティに属する語の通時的な変化を研
究した．すなわち，ある感覚モダリティに属する語が他の感覚モダリティに属する語
を修飾する場合，それぞれの感覚モダリティを修飾するために最初に用いられた年
代が一様でなければ，年代の古い順から意味が拡張していったと考えられるという
ものである．Williams（1976）では，65 語に関して，それらの語が最初に用いられ
た年代が記載されている．その一例を表 4.2 に示す．ただし，表 4.2 において，W3 と
いう記号は，the Oxford English Dictionary あるいは the Middle English Dictionary
には記載されていないが，Webster’s Third（現代の辞書）において記載されている
ということを表している [57]．なお，Williams（1976）では，Ullmann（1951）が用
いた五感の他に，
“ 次元（高低などの視覚的に知覚できる次元）”という項目を新たに
追加している．表 4.2 より，
“ dull（触覚に属する語）”に関しては，触覚 ⇒ 色覚 ⇒
聴覚という順に，用いられ方が変化していることが分かる．このことから，
“ dull ”
の意味は，触覚 ⇒ 色覚 ⇒ 聴覚という順に意味が拡張していったと考えることがで
きる．
Williams（1976）は，この共感覚比喩に関する通時的な調査によって，感覚モダ
30
図 4.2: Williams（1976）による感覚モダリティ属する語の修飾の方向性（Williams，1976
より転載））
図 4.3: Yu（2003）によって確認された中国語の共感覚比喩に関する方向性
リティに属する語の共感覚的な意味の転用には，図 4.2 に示すような一定の方向性が
あり，逆方向への意味の転用は，ごく少数の例外を除いて確認されないと述べてい
る．Williams（1976）では，図 4.2 に示した意味の転用に関する方向性は，英語以外
の言語においても共通するだろうと述べられている．この意味の転用に関する方向
性は，その後，様々な研究者によって調査が行われており，楠見（1988）[28] や山梨
（1988）[58] によって，現代日本語においても，Williams（1976）の示した意味の転
用に関する方向性が確認されている．しかし，最近では，Yu（2003）[63]，Werning
et al.（2006）[56]，武藤（2009）[37] によって，Williams（1976）の示した意味の転
用に関する方向性は，英語以外の言語において，必ずしも共通ではないということ
が報告されている．
Yu（2003）は，中国人小説家 Mo Yan の小説および短編小説の中で使用されてい
る共感覚比喩を分析することで，共感覚比喩の喩辞（i.e., 形容詞）と被喩辞（i.e., 名
詞）の修飾関係に関する方向性を調査した．その結果，図 4.3 に示す方向性が確認さ
れたと報告している．この分析によって，彼は，中国語における方向性は，Williams
（1976）の示した方向性とは若干異なっていると述べている．
Werning et al.（2006）は，ドイツ語における共感覚比喩の理解しやすさ，および，
共感覚比喩の理解しやすさの要因に関する研究を行った．彼らは，ドイツ語の形容
詞を用いて共感覚比喩を作成し，提示された共感覚比喩に関して，理解可能/理解
不可能の判断を被験者に求めた．その結果，ドイツ語においては，図 4.4 に示すよ
うな理解しやすさの関係が得られたと報告している．彼らは，共感覚比喩の理解し
やすさの要因を探るため，被験者の性別/年齢/母国語と，共感覚比喩の理解しやす
31
図 4.4: Werning et al.（2006）による共感覚比喩の理解しやすさの方向性（Werning et al.，
2006 より転載）
さの関係を分析したが，これらの要因は，共感覚比喩の理解しやすさとは関係して
いなかったと報告している．次に，彼らは，ドイツ語のコーパス1 を用いて，共感覚
比喩に用いられた形容詞と名詞に関するコーパス中の頻度と，共感覚比喩の理解し
やすさの関係を分析した．その結果，共感覚比喩に用いた名詞の頻度と共感覚比喩
の理解しやすさには相関が見られなかったが，共感覚比喩に用いられた形容詞の頻
度と共感覚比喩の理解しやすさには相関が見られたと報告している．さらに，彼ら
は，共感覚比喩に用いられた形容詞が，
“ warm ”のような純粋な形容詞か，あるい
は，
“ smell ”から派生した“ smelling ”や，
“ aroma ”から派生した“ aromatic ”のよ
うに，名詞からの派生形容詞かどうかということと，共感覚比喩の理解しやすさの
関係を分析した．その結果，純粋な形容詞は共感覚比喩の理解しやすさを高めるが，
派生形容詞は共感覚比喩の理解しやすさを減少させていたと報告している．
武藤（2009）は，9 種類の言語における共感覚比喩を対象として，共感覚比喩の方
向性に関する調査を行っている．彼女は，英語，中国語，タイ語，韓国語，ロシア
語，スペイン語，マレー語，ベンガル語，日本語の 9 言語を分析対象として，調査
を行った．彼女は，触覚に属する 32 語と視覚に属する 43 語を組み合わせ，触覚に
属する語が視覚に属する語を修飾する共感覚比喩（i.e., Williams（1976）の方向性
に反しない共感覚比喩）と，視覚に属する語が触覚に属する語を修飾する共感覚比
喩（i.e., Williams（1976）の方向性に反する共感覚比喩）を作成した．そして，各
言語毎に翻訳したものを被験者に提示し，提示された共感覚比喩が当該言語におい
て表現可能であるかどうかを回答させるという実験を行った．その結果，Williams
（1976）の方向性に対する多くの反例が存在していたことから，従来の研究で述べら
れている共感覚比喩の方向性は言語普遍ではないと述べている．
以上のように，共感覚比喩に関する研究の多くは，共感覚比喩に関する修飾の方
向性に焦点を当てた研究である．本節で述べた内容から分かるように，これらの研
究では，感覚間の転用においてどのような認知プロセスが働いているのかといった
1
CELEX コーパスのドイツ語版
32
近感覚（触覚，味覚）
近・遠感覚
（触覚，味覚，視覚，聴覚）
⇒
⇒
遠感覚（視覚，聴覚）
心的状態
（“ 記憶 ”，
“ 気分 ”，
“ 考え ”，
“ 性格 ”）
図 4.5: 楠見（1988，1994）による理解しやすさの高いの修飾の方向性
点や，人間の経験的要因が感覚間の転用に対してどのように関わるのかといった点
に関しては言及はされていない．
4.3.2
共感覚比喩の理解プロセスに関する研究
4.3.1 節で述べたように，共感覚比喩に関する研究の多くは，喩辞と被喩辞に関す
る修飾の方向性に焦点を当てた研究であるが，少ないながらも，共感覚比喩の理解
プロセスに関する研究として，以下のような研究がある．
楠見（1988，1994）[28, 29] は，共感覚比喩を構成する語の意味に関して，感覚の
“ 強–弱 ”と感覚に対する“ 快–不快 ”という 2 つの意味に関する類似性が，共感覚比
喩の理解を支えていると述べている．彼は，共感覚比喩に対する理解しやすさの評
定を 6 点尺度による SD 法によって被験者に求める心理実験を行った．なお，楠見
（1988，1994）では，五感に関する語に加え，
“ 記憶 ”，
“ 気分 ”，
“ 考え ”，
“ 性格 ”
のような心的状態を表す語を用いた形容詞比喩も共感覚比喩としている．彼は，こ
の実験の結果から，図 4.5 に示すように，近感覚 ⇒ 遠感覚，近・遠感覚 ⇒ 心的状
態，という修飾の場合に，共感覚比喩の理解しやすさが高かったと報告している．
楠見（1988，1994）は，この結果において理解しやすさの高かった共感覚比喩に
対して，さらに 2 つの実験を行っている．一方は，意味的に類似していると判断し
た表現を，被験者に任意のグループに分類させる実験である．このとき，被験者に
対して，分類基準と思い浮かべたイメージを自由回答によって求めている．他方は，
共感覚比喩に対する印象を，感覚の“ 強–弱 ”および感覚に対する“ 快–不快 ”に関
して，7 点尺度による SD 法によって被験者に評価させる実験である．これらの実験
の結果，感覚形容語の意味は，感覚の“ 強–弱 ”および感覚に対する“ 快–不快 ”の
次元に関して共通性があったと報告している．このことから，彼は，共感覚比喩の
理解プロセスの基盤は，共感覚比喩を構成する語に関する，感覚の“ 強–弱 ”および
感覚に対する“ 快–不快 ”の意味の次元における類似性（楠見（1988，1994）では，
これを感覚の通様相性と呼んでいる）であると述べている．興味深いことに，楠見
（1988）では，類似性判断における分類基準に関する自由回答において，触覚や味覚
に関する表現に関しては，具体物に結びついたイメージの回答が多かったと報告し
ている．すなわち，この実験結果から，共感覚比喩の理解では，経験基盤が重要で
あることを示唆する可能性が伺える2 ．
2
この点に関して，楠見（1988）では，経験基盤の重要性に関しては言及されていない．
33
Taylor（2003）[50] も，
“ black mood ”を例に挙げ，共感覚比喩が感覚の類似性に
よってのみ理解されるということを主張している．したがって，共感覚比喩におい
て，我々の経験基盤は重視されていない．
以上より，従来の共感覚比喩の理解プロセスに関する研究では，感覚間の通様相
性や類似性といった抽象的なレベルでの理解プロセスの研究が行われているのみで
あり，身体的な経験に基づくボトムアップな処理については考慮されていないと言
える．
4.4
共感覚比喩の理解における経験基盤の重要性の検証
本節では，大規模な心理実験を実施し，実験から得られたデータを分析すること
で，これまで経験基盤が重視されていない共感覚比喩においてさえ，我々の経験基
盤が重要であるということを確認する．これによって，経験に基づくシーン想起に
着目して楽曲検索における色彩の利用を検討することが，認知的に妥当なアプロー
チであることを確認する．
4.4.1
仮説の設定
共感覚比喩の理解において，我々の経験基盤が重要な役割を果たしていることを
検証するために，本研究では，Utsumi & Sakamoto (2007) [54] の 2 段階カテゴリ化
モデルを参考にした．
2 段階カテゴリ化モデルは，共感覚比喩を含む形容詞比喩では，形容詞が表す特徴
と名詞が表す特徴は直接的に結びついておらず，図 4.6 に示すように，形容詞に関
する具体的な成員から形成される仲介カテゴリを介して，形容詞と名詞が相互作用
する，というモデルである．例えば，
“ 赤い声 ”という共感覚比喩を理解する場合，
“ 赤い ”に関する具体的な成員から，
“ 赤いもの ”という仲介カテゴリが形成される．
この仲介カテゴリと“ 声 ”が相互作用することで，最終的に，
“ 悲鳴 ”，
“ 血 ”，
“危
険 ”といった特徴が出現することになる．
Utsumi & Sakamoto (2007) は，共感覚比喩を含む形容詞比喩の意味を，形容詞と
名詞で構成される多次元意味空間上のベクトルとして表現し，人間の形容詞比喩に
対する理解を模倣するための計算機シミュレーションによって，2 段階カテゴリ化
モデルの妥当性を確認している．このシミュレーションには，2 段階カテゴリ化モ
デル，比較モデル（Bowdle & Gentner，2005 [2]），類包含性モデル（Glucksberg，
2001 [8]；Glucksberg & Keysar，1990 [9]）の 3 種類のモデルが用いられている．こ
のシミュレーションの結果，2 段階カテゴリ化モデルが最も良い結果を示したこと
から，共感覚比喩を含む形容詞比喩の理解は，2 段階カテゴリ化モデルが妥当であ
ると報告している．ただし，Utsumi & Sakamoto (2007) では，仲介カテゴリと被喩
辞（i.e., 名詞）の間にある具体的な関係や，仲介カテゴリと被喩辞が具体的にどの
ようなプロセスを経て相互作用するのか，という点に関する詳細な説明は未解決の
ままである．
34
図 4.6: 2 段階カテゴリ化モデル
図 4.7: 2 段階カテゴリ化モデルにおけるシーン想起
本研究では，Utsumi & Sakamoto (2007) の 2 段階カテゴリ化モデルにおける仲介
カテゴリと被喩辞の相互作用が，図 4.7 に示すように，経験に基づく具体的なシー
ン想起を介して行われると考え，以下の仮説を設定した．
[仮説]
共感覚比喩の理解では，喩辞（i.e., 形容詞）から様々な具体物が想起される．
そして，想起された具体物と被喩辞（i.e., 名詞）が表す感覚が，それらを典型
的に同時に知覚するシーンの想起を介して相互作用する．この相互作用のため，
共感覚比喩の理解では，具体的なシーン想起が重要な役割を果たしている．
この仮説の妥当性が検証されれば，これまで経験基盤が重視されていなかった共
感覚比喩においてさえ，我々の経験基盤が重要であるということを確認できる．
以降では，この仮説の検証を，心理実験および実験結果に対する 2 種類の分析に
よって行う．分析 1 では，共感覚比喩の理解において，喩辞（i.e., 形容詞）に関する
顕著な特徴と被喩辞（i.e., 名詞）に関する顕著な特徴が，直接的に結び付けられて
35
いるのではないということを確認する．分析 2 では，喩辞と被喩辞が経験基盤（i.e.,
シーン想起）によって相互作用していることを確認する．
4.4.2
心理実験
被験者
被験者は株式会社マクロミルの web アンケート調査に参加した 20 歳から 78 歳ま
での 3,266 名の男女 (平均年齢 37.39 歳) である．このうち，男性は 1,418 名（平均年
齢 40.13 歳），女性は 1,848 名（平均年齢 35.28 歳）である．
実験材料
Sakamoto & Utsumi（2009）[44] では，形容詞比喩から喚起される認知的効果を
調査するために，25 種類の形容詞と 11 種類の名詞を総当りで組み合わせることに
よって形容詞比喩が作成されている．そして，作成された形容詞比喩に関する理解
しやすさと慣習度を，7 段階 SD 法（-3 から+3 までの整数値）によって評定する予
備実験を行い，理解しやすさあるいは慣習度が極端に大きい値とならなかった（具
体的には，-2 から+2 までの値となった）共感覚比喩を実験刺激として採用してい
る．これは，新奇かつ理解可能な形容詞比喩を刺激として用いるためである．結果
的に，彼女らは 158 種類の形容詞比喩を心理実験で使用している．
本研究では，Sakamoto & Utsumi（2009）で使用された 158 種類の形容詞比喩の
うち，喩辞と被喩辞が共に感覚モダリティに属する語である 62 の形容詞比喩（i.e.,
共感覚比喩）を実験材料として採用した．本章の心理実験で使用した共感覚比喩は，
表 4.3 に示す 62 の共感覚比喩である．
実験手続き
実験に参加した 3,266 名の被験者を 20 グループに分け，グループ 1∼4 の被験者
には共感覚比喩を構成する形容詞および名詞 (7∼8 語) を単独で提示し，その他のグ
ループの被験者には共感覚比喩 (3∼4 語) を提示した．被験者には，提示された表現
(i.e., 形容詞，名詞，あるいは共感覚比喩) から連想した語を自由記述により最大で
3 つ回答するよう求めた．なお，与えられた表現に対する連想語を 2 つ以上回答しな
いと次の刺激は提示されないようにした．また，被験者に刺激を提示する際，読み
間違えないよう，
“ 辛い ”，
“ 臭い ”，
“ きな臭い ”，
“ 生臭い ”には，振り仮名（“ か
らい ”，
“ くさい ”，
“ きなくさい ”，
“ なまぐさい ”）を添えて表示した．
実験結果
連想語は被験者の自由記述によって回答されたものである．このため，例えば，
“ば
ら ”“
, バラ ”“
, 薔薇 ”のように，同一の概念を表し同一の読みを持つ語でも平仮名,
36
表 4.3: 実験に使用した共感覚比喩
軽い味，軽いにおい，軽い色，固い味，固い色，固い声
柔らかい味，柔らかいにおい，熱い味，熱いにおい
熱い色，冷たい味，冷たいにおい
おいしい色，おいしい声，甘い手触り，甘い色
辛いにおい，辛い色，辛い声，酸っぱい色
酸っぱい声，渋い手触り，渋いにおい
香ばしい色，香ばしい声，かぐわしい味，かぐわしい色
かぐわしい声，臭い味，臭い色，臭い声，生臭い色
生臭い声，きな臭い味，きな臭い色，きな臭い声
赤い味，赤い声，青い味，青いにおい，青い声
白い味，白い声，黒い味，黒いにおい，黒い声
黄色い味，黄色いにおい
静かな手触り，静かな味，静かな色
うるさい手触り，うるさい味，うるさいにおい
やかましい味，やかましいにおい，やかましい色
騒がしい手触り，騒がしい味，騒がしいにおい，騒がしい色
片仮名, 漢字という表記ゆれが存在する．本研究では，この表記ゆれを除去するた
めに，被験者の回答を日本語シソーラスである日本語語彙大系 [14] で検索し，検索
に成功した場合は，検索された語に対して登録されている表記のうち，先頭の表記
に統一するという手続きを実施した．例えば，日本語語彙大系において“ 薔薇 ”を
検索した場合，その表記として“ 薔薇 ”,“ バラ ”,“ ばら ”という順に記載されてい
る．したがって，
“ 薔薇 ”,“ バラ ”,“ ばら ”という表記は，先頭の表記である“ 薔
薇 ”に統一される．
ただし，この手続きだけでは同音異義語の問題が残る．例えば，日本語語彙大系
で“ ばら ”という表記を検索した場合，
“ rose ”を意味する“ 薔薇 ”と“ field ”を意
味する“ 原 ”の 2 通りの概念が検索されてしまう．そこで，検索された概念が複数
の場合，検索された概念の上位概念と，検索された概念の先頭の表記および被験者
に提示した刺激を考慮して，3 名のジャッジのうち 2 名以上のジャッジが適切である
と判断した概念の先頭の表記に統一するという手続きを実施することで，同音異義
語の問題に対応した．
本研究では，以上の表記ゆれ除去の手続きを施した後，2 名以上の被験者の回答と
なった連想語を有効回答とした．その結果，連想語の延べ数は 10,388 となった．以
降（分析 1 および分析 2）では，この 10,388 の連想語に対して分析を行う．
4.4.3
分析 1：喩辞と被喩辞の間接的な結びつきの検証
この分析では，共感覚比喩の理解において，喩辞（i.e., 形容詞）に関する顕著な特
徴と被喩辞（i.e., 名詞）に関する顕著な特徴が，直接的に結び付けられているので
37
表 4.4: メタファーの理解において出現する特徴
喩辞特徴
被喩辞特徴
共有特徴
創発特徴
喩辞に関して顕著であるが，被喩辞に関して顕著でない特徴
被喩辞に関して顕著であるが，喩辞に関して顕著でない特徴
喩辞と被喩辞の両方に共通して顕著である特徴
喩辞単独の理解や被喩辞単独の理解では顕著でない特徴
はないということを確認する．これは，本研究において設定した仮説が，喩辞（i.e.,
形容詞）に関する顕著な特徴と被喩辞（i.e., 名詞）に関する顕著な特徴は仲介カテ
ゴリを通して相互作用しているという Utsumi & Sakamoto（2007）の 2 段階カテゴ
リ化モデルを基礎としているためである．本研究では，共感覚比喩の理解において，
喩辞に関する顕著な特徴と被喩辞に関する顕著な特徴が直接的に結び付けられてい
るのではないことを確認するための手法として，Becker（1997）[1] の手法を参考に
した．Becker（1997）は，名詞比喩の喩辞に関する顕著な特徴と被喩辞に関する顕
著な特徴が，直接的に結び付けられているかどうかを調査した研究である．
Becker（1997）によれば，
“ A child is a sponge ”のような新奇性のあるメタファー
の理解において出現する特徴としては，表 4.4 に示す 4 種類の特徴が考えられる．第
1 の特徴は，喩辞（i.e., sponge）に関して顕著であるが，被喩辞（i.e., child）に関
して顕著でない特徴である．したがって，この特徴は，喩辞を単独で理解する場合
と比喩を理解する場合の両方において，共通して出現する特徴である．彼女は，こ
のような特徴を喩辞特徴（vehicle-shared feature）と呼んでいる．第 2 の特徴は，被
喩辞に関して顕著であるが，喩辞に関して顕著でない特徴である．したがって，こ
の特徴は，被喩辞を単独で理解する場合と比喩を理解する場合の両方において，共
通して出現する特徴である．彼女は，このような特徴を被喩辞特徴（topic-shared
feature）と呼んでいる．第 3 の特徴は，喩辞と被喩辞の両方に共通して顕著な特徴
である．したがって，この特徴は，喩辞を単独で理解する場合，被喩辞を単独で理解
する場合，比喩を理解する場合の全てにおいて，共通して出現する特徴である．彼
女は，このような特徴を共有特徴（common feature）と呼んでいる．第 4 の特徴は，
喩辞単独の理解や被喩辞単独の理解では顕著でない特徴である．したがって，この
特徴は比喩の理解のみに出現する特徴である．彼女は，このような特徴を創発特徴
（emergent feature）と呼んでいる．
Becker（1997）は，
“ A is a B ”形式の名詞メタファーに関する理解プロセスを
調査するために，心理実験を実施した．彼女は被験者を 2 つのグループに分け，一
方のグループには，喩辞（i.e., “ B ”）あるいは被喩辞（i.e., “ A ”）を単独で提示
し，提示された刺激に関する特徴を回答するよう求めた．また，他方のグループに
は，名詞メタファーを提示し，提示された刺激に関する特徴を回答するよう求めた．
そして，彼女は，名詞メタファーに関する特徴を表 4.5 に示す 4 種類の特徴に分類
した．その結果，異なり数に関しては，喩辞特徴と創発特徴が被喩辞特徴や共有特
徴よりも統計的に有意に多く，また，喩辞特徴と創発特徴の間には統計的な有意差
38
表 4.5: 特徴の分類
喩辞特徴
被喩辞特徴
共有特徴
創発特徴
比喩と喩辞に共通して挙げられているが，被喩辞では挙げられていない特徴
比喩と被喩辞に共通して挙げられているが，喩辞では挙げられていない特徴
比喩，喩辞，被喩辞の全てに共通して挙げられている特徴
比喩においてのみ挙げられている特徴
がなかったと報告している．さらに，延べ数に関しては，喩辞特徴が，創発特徴を
含む他の 3 種類全ての特徴よりも有意に多かったと報告している．
Becker（1997）は，上述の結果に関して，interactive property attribution model
（Tourangeau & Sternberg，1982 [51]）と domain interaction model（Glucksberg &
Manfredi，1997 [10]）について言及することで考察を行っている．interactive property
attribution model は，メタファーの理解は属性の性質の相互作用によって行われる
とするモデルである．すなわち，被喩辞が喩辞に対して関連する側面を与え，それ
に応じて，喩辞に関する被喩辞に適用可能な意味が被喩辞に対して与えられるとす
るモデルである．例えば，
“ A child is a sponge ”の場合，
“ 子供 ”に関連する側面は
“ 吸収する能力のレベル ”であるため，
“ スポンジ ”がこの側面に関して“ 子供 ”に与
えるのは“ 吸収力が大きい ”という意味になる．Becker（1997）は，メタファーの理
解において列挙される特徴に関して，共有特徴よりも喩辞特徴が多くなるのであれ
ば，このモデルが支持されると述べている．一方，domain interaction model は，メ
タファーの理解が，喩辞のドメイン知識と被喩辞のドメイン知識の間にある類推的
な関係の発見を含んでいるとするモデルである．すなわち，メタファーを理解する
ために，喩辞のドメイン知識内に存在する特徴（あるいは特徴間の関係）と被喩辞
のドメイン知識内に存在する特徴（あるいは特徴間の関係）の間に，類似性を見出
すとするモデルである．このモデルでは，メタファーの解釈には，類似性を見出す
ために，しばしば喩辞と被喩辞の特徴を変形することが要求される．すなわち，直
接的に，喩辞と被喩辞の特徴を用いない場合がしばしば存在するとしている．この
モデルでは，喩辞と被喩辞の間の類似性発見や特徴の変形を行うことによって，喩
辞，被喩辞，喩辞と被喩辞のドメイン知識を新しい視点で捉えられるようになると
している．Becker（1997）は，メタファーの理解において列挙される特徴に関して，
創発特徴が極めて多く出現するのであれば，このモデルが支持されると述べている．
Becker（1997）は，名詞メタファーの実験から得られた回答は，喩辞特徴が共有
特徴よりも多く，また，創発特徴が他の 3 種類の特徴よりも極めて多く出現してい
ることはなかったと報告している．このことから，彼女は，名詞メタファーの理解
では，domain interaction model よりも，interactive property attribution model が
支持されたと述べている．すなわち，Becker（1997）の結果は，名詞メタファーの
理解では，喩辞の特徴が直接的に被喩辞に適用されていることを示唆している．
以上を参考に，本研究においても Becker（1997）と同様の分析を行った．すなわ
39
30
平均数︵カウント︶
25
20
15
10
5
0
共有
特徴
喩辞
特徴
被喩辞
特徴
創発
特徴
図 4.8: 異なり数の平均値
ち，心理実験で得られた連想語を表 4.5 に従って分類した．そして，各共感覚比喩
に関して，表 4.5 に示す 4 種類の特徴に関する異なり数と延べ数をカウントし，こ
れらの 4 種類の特徴に関する共感覚比喩 1 表現あたりの平均数を求めた．図 4.8 と図
4.9 は，それぞれ，この手続きによって得られた，表 4.5 に示す 4 種類の特徴に関す
る，共感覚比喩 1 表現あたりの異なり数の平均値と延べ数の平均値を示すものであ
る．図 4.8 と図 4.9 を見ると，異なり数や延べ数に関わらず，創発特徴は他の 3 種類
全ての特徴よりも非常に多く，共有特徴は他の 3 種類全ての特徴よりも非常に少な
いことが分かる．この分類結果を詳細に分析するため，異なり数と延べ数の両方に
対して分散分析を行った．異なり数に対する分散分析の結果，統計的に有意な主効
果が得られた (F (3, 183) = 456.82, p < .001)．そして，ライアン法による多重比較に
よって，創発特徴は他の 3 種類全ての特徴よりも統計的に有意に多く (p < .05)，共
有特徴は他の 3 種類全ての特徴よりも統計的に有意に少ない (p < .05) ことが確認さ
れた．延べ数に対する分散分析の結果に関しても，統計的に有意な主効果が得られ
た (F (3, 183) = 74.79, p < .001)．そして，ライアン法による多重比較によって，創
発特徴は他の 3 種類全ての特徴よりも統計的に有意に多く (p < .05)，共有特徴は他
の 3 種類全ての特徴よりも統計的に有意に少ない (p < .05) ことが確認された．喩辞
特徴と被喩辞特徴の関係に関しては，異なり数においてのみ喩辞特徴が被喩辞特徴
よりも統計的に有意に多い (p < .05) ことが確認され，延べ数においては喩辞特徴と
被喩辞特徴の間に統計的な有意差は見られなかった．
Becker（1997）によれば，創発特徴が他の 3 種類全ての特徴よりも統計的に有意
に多いのであれば，domain interaction model が支持されるとしている．domain
interaction model では，メタファーの解釈には，類似性を見出すためにしばしば喩
辞と被喩辞の特徴を変形することが要求されるため，喩辞と被喩辞が必ずしも特徴
を共有する必要はないとされている．本研究の結果では，異なり数や延べ数に関わ
らず，創発特徴が，喩辞特徴を含む他の 3 種類全ての特徴よりも統計的に有意に多
かった．以上を考慮すれば，本節の分析（分析 1）の結果から，一般的傾向として，
40
90
平均数︵カウント︶
75
60
45
30
15
0
共有
特徴
喩辞
特徴
被喩辞
特徴
創発
特徴
図 4.9: 延べ数の平均値
共感覚比喩の理解では，喩辞や被喩辞に関する顕著な特徴を直接的に結びつけて理
解しているのではないということを確認できたと言える．
次節では，4.4.2 節の心理実験で得られた連想語をさらに分析し，共感覚比喩にお
ける喩辞（i.e., 形容詞）と被喩辞（i.e., 名詞）が，経験基盤（i.e., シーン想起）に
基づいて間接的に結びついていることを確認する．
4.4.4
分析 2：喩辞と被喩辞の経験基盤に基づく結びつきの検証
この分析では，共感覚比喩の理解において，喩辞（i.e., 形容詞）と被喩辞（i.e., 名
詞）が経験基盤に基づいて結びついていることを確認する．すなわち，これまで経
験基盤が重視されていなかった共感覚比喩においてさえ，我々の経験基盤が重要で
あるということを確認する．
4.4.1 節の仮説に従えば，4.4.2 節の心理実験において，共感覚比喩の提示から得ら
れた連想語は，図 4.10 に示すプロセスを反映した結果であると考えられる．すなわ
ち，被験者は，まず，与えられた共感覚比喩を“ 形容詞が表す属性を持つ具体物を
知覚する典型的なシーンにおいて同時に知覚する名詞が表す感覚の概念や属性 ”と
して解釈する．この解釈により，形容詞が表す属性と名詞が表す感覚の概念や属性
の両方を典型的に同時に知覚する具体的なシーンを想起する．したがって，共感覚
比喩の提示から得られた連想語は，このプロセスによって想起された具体的なシー
ンを反映するため，図 4.10 に示す特徴タイプ 1（以後，F 1 と表記），特徴タイプ 2
（F 2），特徴タイプ 3（F 3）のいずれかに該当すると考えられる．
例えば，
“ 赤い味 ”を理解する場合，図 4.11 に示すように，被験者は，この表現
を“ 赤い属性を持つ具体物（i.e., 赤いもの）を知覚する典型的なシーンにおいて同
時に知覚する味 ”という意味の表現として解釈する．その結果，
“ 赤い属性を持つ具
体物（i.e., 赤いもの）と味の両方を典型的に同時に知覚する具体的なシーン ”とし
て，例えば，
“ 唐辛子を食べるシーン ”が想起されるとする．その場合，想起された
41
共感覚比喩
↓
形容詞が表す属性を持つ具体物を知覚する典型的な
シーンにおいて同時に知覚する名詞が表す感覚の概念や属性
↓
形容詞が表す属性を持つ具体物と名詞が表す感覚の
概念や属性の両方を典型的に同時に知覚する具体的なシーン
↓
特徴タイプ 1：形容詞が表す属性を持つ具体物
特徴タイプ 2：名詞が表す感覚の概念や属性
特徴タイプ 3：想起された具体的なシーンにおいて典型的で特徴的なその他の要素
図 4.10: 共感覚比喩の理解プロセス
赤い味
↓
赤い属性を持つ具体物（赤いもの）を知覚する
典型的なシーンにおいて同時に知覚する味
↓
唐辛子を食べるシーン
↓
特徴タイプ 1：唐辛子
特徴タイプ 2：辛い
特徴タイプ 3：汗
図 4.11: 赤い味の理解プロセス
シーンを反映して，
“ 唐辛子（F 1 に相当）”，
“ 辛い（F 2 に相当）”，
“ 汗（F 3 に相
当）”といった連想語が回答されることになる．
同様に，
“ 赤い声 ”を理解する場合，図 4.12 に示すように，被験者は，この表現を
“ 赤い属性を持つ具体物（i.e., 赤いもの）を知覚する典型的なシーンにおいて同時
に知覚する声 ”という意味の表現として解釈する．その結果，
“ 赤い属性を持つ具体
物（i.e., 赤いもの）と声の両方を典型的に同時に知覚する具体的なシーン ”として，
例えば，
“ 殺人に関するシーン ”が想起されるとする．その場合，想起されたシーン
を反映して，
“ 血（F 1 に相当）”，
“ 悲鳴（F 2 に相当）”，
“ 恐怖（F 3 に相当）”と
いった連想語が回答されることになる．
4.4.1 節の仮説が妥当であれば，4.4.2 節の心理実験で得られた，共感覚比喩の提示
からの連想語に関する F 1，F 2 および F 3 に該当する連想語の占める割合が高いと
予想される．以上から，本節の分析では，4.4.2 節の心理実験において共感覚比喩の
提示から得られた連想語に関する，F 1，F 2 および F 3 に該当する連想語の占める割
合を調査する．この調査により，4.4.1 節の仮説の妥当性を検証し，これまで経験基
42
赤い声
↓
赤い属性を持つ具体物（赤いもの）を知覚する
典型的なシーンにおいて同時に知覚する声
↓
殺人に関するシーン
↓
特徴タイプ 1：血
特徴タイプ 2：悲鳴
特徴タイプ 3：恐怖
図 4.12: 赤い声の理解プロセス
盤が重視されていなかった共感覚比喩においてさえ，我々の経験基盤が重要である
ということを確認する．したがって，本節で行う分析の対象となるのは，4.4.2 節の
心理実験において共感覚比喩の提示から得られた連想語である．
共感覚比喩の提示からの連想語が図 4.10 の F 1，F 2 あるいは F 3 に該当するかど
うかの判定に関しては，以下で詳述する手続き（4 つのステップ）に基づいて行っ
た．この手続きでは，まず，共感覚比喩の提示により得られた連想語の中から，F 1
または F 2 の候補となる連想語を特定し，候補となった連想語に対してラベル付け
を行う（Step 1）．次に，F 1 または F 2 の候補となった連想語から具体的なシーン
が容易に想起できるかどうかを判定することによって，F 1 または F 2 に該当する連
想語を特定する．この判定方法としては，2 通りの方法が考えられる（Step 2 およ
び Step 3）．最後に，F 1 または F 2 に該当する連想語が特定されたことに基づき，
F 1 または F 2 に該当すると判定された連想語から容易に想起できる具体的なシーン
を用いて，共感覚比喩の提示により得られた連想語のうち，F 1 または F 2 に分類さ
れなかった連想語の中から F 3 に該当する連想語を特定する．
Step 1 : 連想語に対するラベル付け
共感覚比喩の提示により得られた連想語が F 1 あるいは F 2 に該当するかどうかの
判定は，Step 2 と Step 3 によって行われる．このステップは，Step 2 および Step
3 の準備として，F 1 または F 2 の候補となる連想語を特定し，それらの連想語に対
してラベル付けを行うステップである．具体的には，4.4.2 節の心理実験において共
感覚比喩の提示から得られた連想語が，表 4.6 に示す条件のいずれかを満たす場合，
その連想語には，該当する条件によって X あるいは Y というラベルが付与される．
例えば，
“ 赤い味 ”の提示から得られた連想語として，
“ 唐辛子 ”，
“ 辛い ”，
“ 汗 ”と
いう連想語がある場合，
“ 唐辛子 ”にはラベル X が付与され，
“ 辛い ”にはラベル Y
が付与される，しかし，
“ 汗 ”は表 4.6 に示すいずれの条件も満たさないため，ラベ
ルは付与されない．なお，連想語が表 4.6 に示す条件を満たしているかどうかの判
43
表 4.6: 連想語に付与するラベルおよび付与条件
X
Y
喩辞（形容詞）が表す属性を持つ具体物である
被喩辞（名詞）が表す感覚の概念や属性である
定は，3 名のジャッジによる多数決によって行う．
以降では，このステップにおいてラベル X が付与された連想語を WX と表記し，
ラベル Y が付与された連想語を WY と表記する．
Step 2 : F1 に該当する連想語の特定
形容詞が表す属性（以降，PA と表記）と名詞が表す概念（ON ）を同時に知覚す
るシーンの 1 つとしては，PA と ON の両方を満たすような 1 つの具体物を知覚す
るシーンが考えられる（以降，このシーンを S1 と表記）．S1 において，PA と ON
の両方を満たす具体物が WX であるならば，その WX は F 1 に該当する．このとき，
“ WX の ON ”という表現は自然である．例えば，
“ 赤い味 ”の提示から得られた連想
語として“ 唐辛子 ”がある場合，
“ 唐辛子 ”は Step 1 により WX となるので，
“ WX
の ON ”は“ 唐辛子の味 ”という表現となる．一般的に，
“ 唐辛子の味 ”という表現
は自然な表現である．しかし，WX を知覚するシーンが S1 に該当しない場合，その
WX は ON を満たさないため，
“ WX の ON ”という表現は不自然な表現となる．例
えば，
“ 赤い味 ”の提示から得られた連想語として“ ポスト ”がある場合，
“ ポスト ”
は Step 1 により WX となるので，
“ WX の ON ”は“ ポストの味 ”という表現となる．
一般的に，
“ ポストの味 ”という表現は不自然な表現である．
以上を考慮し，このステップでは，4.4.2 節の心理実験で得られた，共感覚比喩の
提示からの連想語の中から F 1 に該当する連想語を特定する．具体的には，Step 1
と同じ 3 名のジャッジが，各共感覚比喩に関して，
“ WX の ON ”という表現を作成
する．そして，2 名以上のジャッジが，作成された“ WX の ON ”という表現が自然
であると判断すれば，その WX である連想語は F 1 に該当する連想語に分類される．
例えば，
“ 赤い味 ”の提示から得られた WX として“ 唐辛子 ”，
“ トマト ”，
“ ポス
ト ”がある場合，
“ 唐辛子の味 ”，
“ トマトの味 ”，
“ ポストの味 ”という表現を作成
する．その結果，2 名以上のジャッジが“ 唐辛子の味 ”と“ トマトの味 ”は自然な表
現であるとと判定し，
“ ポストの味 ”は不自然な表現であると判定した場合，
“ 唐辛
子 ”，
“ トマト ”は F 1 に該当する連想語に分類され，
“ ポスト ”は F 1 に該当する連
想語に分類されない．
Step 3 : F1 および F2 に該当する連想語の特定
被験者が共感覚比喩の提示によって S1 を想起しているのであれば，その被験者
は，想起した S1 に関する WX を共感覚比喩の提示からの連想語として回答してい
44
るだけでなく，回答された WX に関する被喩辞（i.e., 名詞）が表す感覚の具体的な
概念や属性（以降，CN と表記）も，共感覚比喩の提示からの連想語として回答して
いる可能性が非常に高い．この場合，回答された WX に関する CN は WY に該当す
る連想語である．例えば，
“ 赤い味 ”の提示から“ 唐辛子 ”を想起していれば，
“唐
辛子 ”だけでなく，
“ 唐辛子 ”に関する CN である“ 辛い ”も連想語として回答して
いる可能性が高い．
一方，PA と ON を同時に知覚するもう 1 つのシーンとして考えられるのは，PA と
ON の両方を満たすような 1 つの具体物は存在しないが PA と ON を同時に知覚する
シーン，すなわち，PA と ON の属する具体物あるいは概念がそれぞれ異なっている
シーンである（以降，このシーンを S2 と表記）．S2 における PA を満たす具体物が
共感覚比喩の提示からの連想語として挙げられているならば，その連想語は Step 1
により WX となる．また，S2 における CN が共感覚比喩の提示からの連想語として
挙げられているならば，その連想語は Step 1 により WY となる．例えば，
“ 赤い声 ”
から“ 赤い ”と“ 声 ”を同時に知覚する S2 として“ 殺人に関するシーン ”を想起し
たとする．この場合，被験者は WX に該当する“ 血 ”を回答すると同時に，WY に
該当する“ 悲鳴 ”を回答している可能性が高い．
被験者が共感覚比喩の提示から S1 あるいは S2 のいずれかを想起しているのであ
れば，想起された S1 あるいは S2 を反映する結果として，S1 あるいは S2 に関する
WX と WY が連想語に含まれている可能性は非常に高い．このとき，S1 あるいは S2
のいずれのシーンに関しても，そのシーンが我々の経験基盤において典型的なシー
ンであれば，被験者が回答した WX と WY の結びつきは非常に強いと考えられる．
したがって，そのような WX と WY のペアを与えられれば，その連想の基盤となっ
たシーン，すなわち，WX と WY の結びつきが非常に強い具体的なシーンを容易に
想起できると考えられる．このような WX と WY は，それぞれ，F 1 と F 2 に該当す
る連想語であると考えられる．
以上を考慮し，このステップでは，4.4.2 節の心理実験において共感覚比喩の提示
から得られた連想語の中から，F 1 に該当する連想語を特定すると同時に，F 2 に該
当する連想語を特定する．
まず，Step 1 と同じ 3 名のジャッジは，各共感覚比喩の提示から得られた連想語に
関して，WX と WY を総当りで組み合わせ，WX と WY のペアを作成する．例えば，
“ 赤い味 ”の提示から得られた WX として“ 唐辛子 ”，
“ トマト ”，
“ ポスト ”があ
り，WY として“ 辛い ”，
“ 甘い ”，
“ 酸っぱい ”がある場合，3 名のジャッジは，
“唐
辛子，辛い ”，
“ 唐辛子，甘い ”，
“ 唐辛子，酸っぱい ”，
“ トマト，辛い ”，
“ トマト，
甘い ”，
“ トマト，酸っぱい ”，
“ ポスト，辛い ”，
“ ポスト，甘い ”，
“ ポスト，酸っ
ぱい ”の 9 種類のペアを作成する．
次に，同じ 3 名のジャッジは，作成されたペアから具体的なシーンを容易に想起で
きるかどうかを考える．2 名以上のジャッジが，作成されたペアから具体的なシーン
を容易に想起できると判断した場合，そのペアを構成する WX と WY は，それぞれ
F 1 と F 2 に該当する連想語に分類される．このとき，ジャッジに対しては，具体的
なシーンを想起する際に，あくまでも，そのペアを知覚することが典型的であるか
45
どうかに注意するよう求める．すなわち，
“ 考えようとすれば想起できなくはない
シーン ”であると判断することは絶対にしないよう求める．
例えば，上述の 9 種類のペアに関して，
“ 唐辛子，辛い ”，
“ トマト，酸っぱい ”と
いう 2 つのペアのみが具体的かつ典型的なシーンを容易に想起できるペアとして判
断された場合，
“ 唐辛子 ”，
“ トマト ”，
“ 辛い ”，
“ 酸っぱい ”が，それぞれ，F 1，
F 1，F 2，F 2 に該当する連想語に分類される．一方，残りの“ ポスト ”，
“ 甘い ”は
F 1 あるいは F 2 に該当する連想語に分類されない．
Step 4 : F3 に該当する連想語の特定
このステップでは，4.4.2 節の心理実験において共感覚比喩の提示から得られた連
想語の中から，F 3 に該当する連想語を特定する．
4.4.2 節の心理実験において共感覚比喩の提示から得られた連想語のうち，Step 1
においてラベル付けされなかった連想語（以降，WU と表記）は F 3 に該当する連想
語である可能性を持つ．ここで，共感覚比喩の提示から F 3 に該当する連想語を回
答する場合，F 3 を想起する基盤となる具体的なシーンが既に想起されていると考え
られる．F 3 を想起する基盤となる具体的なシーンが想起されているのであれば，そ
のシーンに関する WX と WY も連想語の中に含まれている可能性は高い．
以上を考慮し，このステップでは，Step 3 の手続きを応用する．まず，Step 1 と
同じ 3 名のジャッジは，各共感覚比喩の提示から得られた連想語に関して，Step 2 で
F 1 に分類された連想語と WU を総当りで組み合わせ，F 1 と WU のペアを作成する．
次に，Step 3 で具体的なシーンを容易に想起できると判断された連想語のペア（F 1
と F 2 のペア）と WU を総当りで組み合わせ，F 1，F 2，WU の三つ組みを作成する．
例えば，
“ 赤い味 ”の提示から得られた WX として“ 唐辛子 ”，
“ トマト ”，
“ 苺 ”，
“ ポスト ”があり，WY として“ 辛い ”，
“ 酸っぱい ”があり，WU として“ 汗 ”があ
る場合を考える．また，Step 2 により“ 唐辛子 ”，
“ トマト ”，
“ 苺 ”は F 1 に分類さ
れ，Step 3 により“ 唐辛子，辛い ”，
“ トマト，酸っぱい ”のペアが，具体的なシー
ンを容易に想起できるペアであると判断されているとする．この場合，上述の手続
きにより，
“ 唐辛子，汗 ”，
“ トマト，汗 ”，
“ 苺，汗 ”のペアおよび“ 唐辛子，辛い，
汗 ”，
“ トマト，酸っぱい，汗 ”の三つ組みが作成される．
そして，Step 3 と同様に，同じ 3 名のジャッジは，作成されたペアあるいは三つ組
みから具体的なシーンを容易に想起できるかどうかを考える．このとき，Step 3 と
同様に，ジャッジに対しては，具体的なシーンを想起する際に，あくまでも，その
ペアを知覚することが典型的であるかどうかに注意するよう求める．Step 3 と同様
に，2 名以上のジャッジが作成されたペアあるいは三つ組みから具体的なシーンを容
易に想起できると判断した場合，そのペアあるいは三つ組みを構成する WU は，F 3
に該当する連想語に分類される．
例えば，上述の 3 種類のペアと 2 種類の三つ組みに関して，
“ 唐辛子，辛い，汗 ”
という三つ組みが，具体的なシーンを容易に想起できる組み合わせとして判断され
た場合，
“ 汗 ”は F 3 に該当する連想語に分類される．
46
表 4.7: 分類結果
総数
平均数
WS
6639 (63.91%)
107.08
WN
3749 (36.09%)
60.47
分類結果
4.4.2 節の心理実験において共感覚比喩の提示から得られた連想語のうち，Step 1
から Step 4 までの手続きによって，F 1，F 2，F 3 のいずれかに分類された連想語は，
4.4.1 節の図 4.7 のプロセスを反映した連想語であると考えられる．したがって，そ
のような連想語は経験に基づくシーン想起で説明可能な連想語であると言える．
共感覚比喩の理解において経験に基づくシーン想起が重要な役割を果たしている
ということが一般的であれば，4.4.2 節の心理実験において共感覚比喩の提示から得
られた連想語に対する F 1，F 2，F 3 のいずれかに分類された連想語（以後，WS と
表記）の占める割合が，F 1，F 2，F 3 のいずれにも分類されなかった連想語（以後，
WN と表記）の占める割合よりも高いと予想される．理解プロセスの一般的傾向を
検討する場合，どれだけ多くの被験者が回答したかという点に焦点を当てることが
妥当である．したがって，Step 1 から Step 4 までの手続きは，分析 1 で言及した異
なり数に対して行うよりも，延べ数に対して行うのが適切である．
表 4.7 は，分析 1 で言及した延べ数について，WS と WN に関する，総数と共感覚
比喩 1 表現あたりの平均数を示している．表 4.7 に示す結果に関して，WS の総数と
WN の総数を χ2 検定によって比較した結果，統計的な有意差が見られた（χ2 (1, N =
10388) = 804.01, p < .01）．また，WS の平均数と WN の平均数を t 検定によって
比較した結果，統計的な有意差が見られた（t(61) = 3.28, p < .01）．以上の結果は，
共感覚比喩の提示からの連想語は WS に分類される連想語である傾向を示しており，
共感覚比喩の理解が一般的に 4.4.1 節の図 4.7 のプロセスに基づいていることを支持
する結果であると言える．したがって，経験に基づくシーン想起を介して共感覚比
喩の理解が行われるという 4.4.1 節の仮説は妥当であると言える．
以上から，本章で行った分析によって，これまで経験基盤が重視されていなかっ
た共感覚比喩においてさえ，我々の経験基盤が重要な役割を果たしていることを確
認することができた．
4.5
楽曲検索における経験に基づくシーン想起に着目した色彩利用
検討の妥当性
本章では，人間の認知活動における経験基盤の重要性を，共感覚比喩の理解を通
して調査した．その結果，これまで経験基盤が重視されていなかった共感覚比喩の
理解においてさえ，我々の経験基盤が重要な役割を果たしていることを確認した．
47
表 4.8: 共感覚比喩の理解と楽曲からの色彩想起の共通点
共感覚比喩の理解
・ 共感覚保持者は少ないが，共感覚比喩は理解可能
・ 経験基盤に基づくシーン想起が重要
楽曲からの色彩想起
・ 色聴保持者が少ないが，音楽の印象を色彩で表現可能
・ 経験基盤に基づくシーン想起が重要
興味深いことに，本章で行った心理実験の分析から得られた知見は，坂本・鎌田
（2007）の知見と共通点がある．本章で得られた知見は以下の通りである．共感覚保
持者は少ないと言われているにも関わらず，多くの被験者は，異なる感覚モダリティ
に属する語の組み合わせである共感覚比喩を理解することができる．そして，共感
覚比喩の理解においては，経験基盤に基づく具体的なシーン想起が重要な役割を果
たしている．一方，坂本・鎌田（2007）の知見は以下の通りである．色聴保持者は
少ないと言われているにも関わらず，多くの被験者は，楽曲の試聴から特定の色彩
を想起することができる．そして，楽曲の試聴からの色彩想起においては，経験基
盤に基づく具体的なシーン想起が重要な役割を果たしている．表 4.8 は，以上の共
通点をまとめたものである．
表 4.8 に示した共通点を考慮すれば，異なる感覚を結びつける認知的なメカニズム
として，経験に基づく具体的なシーン想起に着目することは，認知的に妥当なアプ
ローチであると言える．したがって，経験に基づく具体的なシーン想起に着目して
楽曲検索における色彩の利用（i.e., 楽曲と色彩の結びつき）を検討することは，認
知的に妥当なアプローチであると言える．
次章では，感性情報として色彩を利用する楽曲検索手法を，シーン想起に着目し
て検討する．具体的には，楽曲，歌詞，色彩の結びつきを利用した楽曲検索手法の
実現可能性について述べる．
48
第 5 章 楽曲，歌詞，色彩の結びつきを利用し
た楽曲検索手法の実現可能性
3 章では，楽曲と色彩の関係に関する先行研究の調査によって，シーン想起によ
る楽曲と色彩の結びつきという認知プロセスに着目し，楽曲検索における色彩の利
用可能性を述べた．4 章では，大規模な心理実験から得られたデータを分析するこ
とで，共感覚比喩の理解プロセスにおいて経験に基づくシーン想起が重要な役割を
果たしていることを確認した．これにより，シーン想起に基づく楽曲と色彩の結び
つきという認知プロセスに着目して楽曲検索における色彩の利用を検討することが，
認知的に妥当なアプローチであることを確認した．
本章では，心理実験を通して，シーン想起に基づく楽曲と色彩の結びつきという
認知プロセスに着目した楽曲検索技術の実現可能性を示す．具体的には，シーン想
起を促す情報として歌詞に着目し，楽曲，歌詞，色彩の結びつきによる楽曲検索の
実現可能性を示す．すなわち，歌詞の解析によって楽曲の試聴から想起される色彩
を推定できる可能性を示す．
5.1
楽曲検索における歌詞の利用可能性に関する仮説
3.3.2 節で述べたように，坂本・鎌田（2007）[45] によって，音楽や色彩に関する
特別な訓練を受けていない一般的な被験者においては，楽曲の試聴時に，楽曲の試
聴から具体的なシーンを想起することで色彩を想起するという認知プロセスが確認
されている．しかし，坂本・鎌田（2007）では，このプロセスを楽曲検索に利用す
るための具体的な手法については，提案されていない．
本研究は，歌詞には具体的なシーンに関する記述が含まれていることを考慮し，坂
本・鎌田（2007）が示した認知プロセスを具体的に利用するための手がかりとして，
楽曲の歌詞に着目した．被験者が楽曲の試聴時に，歌詞の内容に基づいて具体的な
シーンを想起しているとすれば，少なくとも，歌詞付きの楽曲の試聴から想起され
る色彩と歌詞のみの提示から想起される色彩には相関関係があると予想される．こ
の相関関係を確認することができれば，例えば，
“ 海 ”や“ 空 ”に関する単語が多く
含まれていれば“ 青 ”，
“ 山 ”や“ 森 ”に関する単語が多く含まれていれば“ 緑 ”，
というように，歌詞に含まれる具体的な場面に対応する色彩を利用することで，楽
曲の試聴から想起される色彩が推定可能であることを示すことができる．すなわち，
歌詞の解析によって楽曲の試聴から想起される色彩が推定可能であることを示すこ
とができる．
49
表 5.1: 実験の種類
実験
内容
実験 1
実験 2
楽曲の試聴からの色彩想起実験
歌詞のみの提示からの色彩想起実験
以上から，本章では，心理実験によって以下の仮説を検証することで，楽曲の試
聴からの具体的なシーン想起に基づいて色彩を想起するというプロセスを応用する
楽曲検索技術の実現可能性を示す．
[仮説]
歌詞付き楽曲の試聴時に，歌詞の内容に基づいて具体的なシーンを想起してい
れば，少なくとも，歌詞付き楽曲の試聴によって想起される色彩と歌詞のみの
提示によって想起される色彩の間に相関関係がある．
5.2
実験内容
5.1 節で設定した仮説の検証を行うため，本研究では 2 種類の心理実験を実施した．
一方は，楽曲の試聴から想起される色彩を調査するための実験（実験 1）であり，他
方は，歌詞のみの提示から想起される色彩を調査するための実験（実験 2）である
（表 5.1 参照）．
5.2.1
被験者
実験に参加した被験者は，大学生 120 名（男性 83 名，女性 37 名，平均年齢 20.74
歳）である．これらの被験者を 2 つのグループに分け，一方を実験 1 に割り当て，他
方を実験 2 に割り当てた．実験 1 に割り当てられた被験者は 60 名（男性 36 名，女
性 24 名，平均年齢 20.70 歳）であり，実験 2 に割り当てられた被験者は 60 名（男性
47 名，女性 13 名，平均年齢 20.78 歳）である．本実験では，互いのグループに他方
のグループで行っている実験内容を知らせないようにするため，実験 1 と実験 2 は，
それぞれ別の日程で実施した．
また，後述するように，本実験で使用する楽曲数は 80 曲と多いため，1 人の被験
者に 80 曲全てを割り当てると被験者負担が大きくなる．そこで，被験者負担を抑え
るために，実験 1 および実験 2 の両方において，被験者を 30 名ずつのグループに二
分し，一方のグループには用意した 80 曲のうち 40 曲を割り当て，他方のグループ
には残りの 40 曲を割り当てることにした．したがって，それぞれの実験において，
1 曲あたり 30 名の被験者から回答を得た．
50
5.2.2
使用楽曲
本章で行う心理実験は，以降で詳述する心理実験から得られた結果を用いて，具
体的なシステム実装（次章）を行うことを念頭に置いている．しかし，心理実験に
おいて使用可能な楽曲数には限界がある．計算機に実装されたシステムが心理実験
に使用した楽曲のみにしか対応できないのであれば，そのシステムの有用性は非常
に低い．
ここで，様々な歌詞に高頻度で出現する単語を多く含む歌詞であるほど，その歌
詞は一般的な歌詞である可能性が高いと考えられる．歌詞から色彩を想起するため
の，一般的な認知メカニズムを調査するためには，一般的な歌詞を用いた心理実験
の結果を分析することが好ましいと考えられる．その結果，一般的な認知メカニズ
ムを発見することができれば，心理実験に使用していない多くの未知楽曲にも対応
できると考えられる．
また，本章で述べる心理実験の目的は，歌詞付きの楽曲の試聴から想起される色
彩と歌詞のみの提示から想起される色彩の間の相関関係を確認することである．こ
のとき，歌詞に対応する楽曲が容易に推測できる場合に得られた色彩は，純粋に歌
詞から想起される色彩ではなく，歌詞以外の要素の影響（e.g., アーティストの印象，
CD ジャケットの色彩，メロディなど）によって想起される色彩である可能性が排
除できない．したがって，この可能性を排除した上で，歌詞から想起される色彩と
楽曲の試聴から想起される色彩の関係を調査しなければならない．
以上を考慮し，本研究では，様々な歌詞に高頻度で出現する単語をできるだけ多
く含み，かつ，歌詞から楽曲を特定しにくい楽曲となるように使用楽曲を選曲した．
具体的には，1578 曲の歌詞から抽出された単語の使用頻度をまとめ，
“ 単語使用頻
度リスト ”として公開されているデータ1 を用いて，この“ 単語使用頻度リスト ”に
含まれる単語のうち，出現回数が 30 回以上の単語をできるだけ多く含む歌詞を持つ
楽曲を，音楽試聴サイトや歌詞検索サイトを参考に人手で選曲した．この作業は，3
名のジャッジによって，可能な限り，アーティストや曲調が異なり，かつ，歌詞から
楽曲を特定しにくい楽曲となるよう配慮しながら，多数決によって行った．結果的
に，本章の心理実験では，付録 A に示す 80 曲を使用した．ただし，本章で実施する
心理実験は，使用する楽曲数が多いために被験者負担が大きい．このことを考慮し，
楽曲の試聴からの色彩想起実験（実験 1）および歌詞のみの提示からの色彩想起実験
（実験 2）の両方において，楽曲の 1 番に相当する部分のみを使用することにした．
なお，本章で実施した 2 種類の心理実験の両方において，順序効果を考慮し，被
験者毎に，実験開始時に計算機によって無作為に楽曲を並び替えることで，被験者
に提示する楽曲の順序を決定した．
1
千種研究室 2007 年度の卒業研究において，佐藤慎也氏が公開していたデータ．最終確認日：2010 年 5 月 7
日．http://www.teu.ac.jp/chiit/2007/ (佐藤慎也氏のページへリンクされている)
51
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
図 5.1: 実験で使用したカラーパレット
5.2.3
使用色彩
実際の楽曲検索システムの運用において，クエリとして色彩を用いる場合，専門
的で複雑なカラーチャートを用いるよりも，日常的に馴染みがあり，かつ，適度に色
数が充実しているサンプルカラーをインターフェイスとして用いる方が，ユーザは
使いやすいと考えた．そこで，本研究では，Microsoft 社の Word2003 の標準カラー
パレットに採用されている色彩を実験に使用した．ただし，予備実験によって，こ
の標準カラーパレットに用意されている 40 色のうち，互いの色彩の区別が難しい
色彩（すなわち，被験者が判断に迷うと考えられる色彩）と判断された 5 つの色彩
（ツールチップに表示される名称が「濃い青緑，青緑，アクア，スカイブルー，ペー
ルブルー」である色彩）を削除し，35 色の色彩を被験者に提示することにした．実
際に被験者に提示した 35 色のカラーパレットを図 5.1 に示す．なお，図 5.1 に示す
各色彩に関して，ツールチップに表示される名称は，各色彩の番号ごとに，1（黒），
2（茶），3（オリーブ），4（濃い緑），5（濃い青），6（インディゴ），7（80% 灰
色），8（濃い赤），9（オレンジ），10（濃い黄），11（緑），12（青），13（ブルー
グレー），14（50% 灰色），15（赤），16（薄いオレンジ），17（ライム），18（シー
グリーン），19（薄い青），20（紫），21（40% 灰色），22（ピンク），23（ゴール
ド），24（黄），25（明るい緑），26（水色），27（プラム），28（25% 灰色），29
（ローズ），30（ベージュ），31（薄い黄），32（薄い緑），33（薄い水色），34（ラ
ベンダー），35（白）である．実験 1 と実験 2 の両方において，図 5.1 に示すカラー
パレットを被験者に提示した．
5.2.4
楽曲の試聴からの色彩想起実験（実験 1）
実験 1 では，被験者に楽曲の 1 番に相当する部分を試聴させ，そのときに想起さ
れる色彩を回答させた．色彩の回答に関しては，楽曲の試聴に対する直感的な印象
を回答させるために，各楽曲の試聴終了から 4 秒以内に回答しなければならないと
いう時間制限を設けた．実験は静かな部屋で行い，余計な音によって影響を受けな
いように配慮した．
52
表 5.2: 色彩の回答方法
想起される色彩数
1色
2色
3色
回答方法
想起される色彩を 3 回回答する
より強く想起される色彩を 2 回回答し，他方を 1 回回答する
想起される色彩を 1 回ずつ回答する
色彩の回答方法に関しては，想起される色彩が 1 色とは限らないこと，および，被
験者負担を極力抑えなければならないことを考慮し，想起した色彩を最大で 3 色回
答するよう求めた．ここで，想起される色彩が単色の場合と複数色の場合では，色
彩が想起される強さは異なると考えられる．すなわち，複数色を想起する場合，そ
れぞれの色彩を想起する強さは，単色を想起する場合よりも弱いと考えられる．こ
のことを考慮し，被験者には，表 5.2 に示す回答方法により，想起される色彩数に
関わらず，一律に 3 回回答するよう求めた．
例えば，赤のみが想起される場合は，赤を 3 回回答し，赤と青が想起され，より
強く想起したのが赤である場合は，赤を 2 回と青を 1 回回答する．そして，赤と青
と緑が想起されれば赤と青と緑を 1 回ずつ回答する．
5.2.5
歌詞のみの提示からの色彩想起実験（実験 2）
実験 2 では，実験 1 とは異なる被験者に，実験 1 で使用した楽曲の 1 番に相当する
歌詞を提示し，歌詞を読んだときに想起される色彩を回答させた．色彩の回答方法
は実験 1 と同様の方法を用いた．このとき，被験者には，色彩の回答と同時に，色
彩の想起に影響を与えた歌詞中の“ 箇所 ”も回答するよう求めた．これは，被験者
が歌詞のみの提示から色彩を想起する際に，歌詞中のどの部分の情報を用いている
かを調査するためである（5.3.3 節で詳述）．ここで，被験者に対して，色彩の想起
に影響を与えた歌詞中の“ 単語 ”とせず，
“ 箇所 ”を回答するという漠然とした指示
を行った理由は，被験者が，歌詞のみの提示から色彩を想起するために，単独の単
語から影響を受けたのか，句や文のように複数の単語から構成される部分から影響
を受けたのか，を調査するためである．
さらに，被験者には歌詞から楽曲が分かったかどうかも回答するよう求めた．こ
れは，5.2.2 節で述べたように，実験 2 が歌詞のみの提示から想起される色彩を調査
する目的で行うためである．つまり，歌詞に対応する楽曲が推測できた場合に得ら
れた色彩は，歌詞そのものから想起される色彩ではなく，歌詞以外の要素から想起
される色彩である可能性が排除できない．そのため，楽曲名が分かったと回答した
被験者の回答は，無効回答とした．
実験は静かな部屋で行い，余計な音によって影響を受けないように配慮した．ま
た，色彩の回答は，被験者に歌詞の内容の理解に基づいて回答させるために，時間
制限を設けず，被験者のペースで回答させた．
53
表 5.3: 楽曲の試聴からの色彩想起実験（実験 1）の結果
N
1
2
3
4
5
累積回答率の平均値
0.1533
0.2703
0.3639
0.4440
0.5114
実験結果および考察
5.3
本章で行った心理実験の結果を分析するにあたり，本節では 2 種類の分析を行う．
一方は，本章の心理実験で使用した 35 色の各色彩の選択率に関して，楽曲の試聴か
らの色彩想起実験（実験 1）から得られた結果と歌詞のみの提示からの色彩想起実
験条件（実験 2）から得られた結果を比較する分析である．他方は，本章の心理実
験で使用した 35 色の色彩を類似色でグループ化し，各色彩グループの選択率に関し
て，楽曲の試聴からの色彩想起実験（実験 1）から得られた結果と歌詞のみの提示
からの色彩想起実験条件（実験 2）から得られた結果を比較する分析である．
5.3.1
心理実験で使用した各色彩に関する結果
楽曲の試聴からの色彩想起実験（実験 1）の結果
それぞれの楽曲に関して，被験者が回答した上位 N 位までの色彩に関する累積回
答率 rcumulative (N ) を，式（5.1）により求めた．
∑N
a(n)
n=1 a(n)
n=1
rcumulative (N ) = ∑35
(5.1)
ただし，a(n) は回答数の多い上位 n(n = 1, ..., 35) 位の色彩に関する述べ回答数と
する．
表 5.3 は，式（5.1）における N の値が 1 から 5 までの，全 80 曲に関する累積回
答率の平均値を示す．表 5.3 から，選択可能な色彩が 35 色あるにも関わらず，被験
者の想起した色彩は特定の上位色に偏りがあることが分かる．また，全体的に見て，
全く選択されなかった色彩はなかった．このことは，実験で使用した各楽曲の試聴
から想起される固有の色彩が存在することを示している．
歌詞のみの提示からの色彩想起実験（実験 2）の結果
5.2.5 節で述べたように，実験 2 では，各楽曲に関して，楽曲名が分かったと回答
した被験者の回答を無効回答とした．実験の結果，30 名の被験者のうち，1 曲あた
54
表 5.4: 歌詞のみの提示からの色彩想起実験（実験 2）の結果
N
1
2
3
4
5
累積回答率の平均値
0.2352
0.3718
0.4745
0.5545
0.6202
りの有効回答として扱われた被験者の平均人数は 29.34 名（98%），最大人数は 30
名（100%），最少人数は 24 名（80%）であった．
それぞれの楽曲に関して，被験者が回答した上位 N 位までの色彩に関する累積回
答率 rcumulative (N ) を，実験 1 と同様に，式（5.1）により求めた．表 5.4 は，式（5.1）
における N の値が 1 から 5 までの，全 80 曲に関する累積回答率の平均値を示す．表
5.4 から，選択可能な色彩が 35 色あるにも関わらず，被験者の想起した色彩は特定
の上位色に偏りがあることが分かる．また，全体的に見て，全く選択されなかった
色彩はなかった．このことは，実験で使用した各楽曲の歌詞の提示から想起される
固有の色彩が存在することを示している．
実験 1 と実験 2 の比較
それぞれの楽曲に関して，楽曲の試聴からの色彩想起実験（実験 1）で被験者が回
答した各色彩の選択率と，歌詞のみの提示からの色彩想起実験（実験 2）で被験者
が回答した各色彩の選択率を比較する．比較は Pearson の積率相関係数 r を求める
ことによって行う．すなわち，楽曲 mi (i = 1, ..., 80) に関して，楽曲の試聴からの色
彩想起実験（実験 1）における色彩 cj (j = 1, ..., 35) の選択率を xij ，歌詞のみの提示
からの色彩想起実験（実験 2）における色彩 cj の選択率を yij として，楽曲 mi にお
ける変数 x と y に関する相関係数 r を求める．
この比較によって得られた，相関係数 r の分布を表 5.5 に示す．表 5.5 において，
中央列の数値は左端列に示す範囲の相関係数となった楽曲数を表し，右端列の数値
は左端列に示す範囲の相関係数となった楽曲のうち，有意確率 5% 水準（両側）を
満たす楽曲数を表す．本節では，35 色の色彩の選択率によって相関係数を求めてい
るため，相関係数の導出に用いたサンプルサイズは 35 である．したがって，相関係
数の検定（両側）における棄却の限界値は 0.3338 である．
Pearson の積率相関係数は，0.2 以上の場合に相関関係があるとされている [42]．し
たがって，表 5.5 から分かるように，本章の心理実験で使用した全 80 曲中 74 曲に相
関関係が見られた．このうち，有意確率 5% 水準（両側）を満たす楽曲に限定した
場合でも，80 曲中 66 曲に相関関係が見られた．この結果は，楽曲の試聴から想起
される色彩と歌詞のみの提示から想起される色彩の間に相関関係があることを示し
ている．したがって，歌詞付きの楽曲の試聴から想起される色彩と歌詞のみの提示
55
表 5.5: 実験 1 と実験 2 の比較結果
相関係数 r
0.9 ≤ r
0.8 ≤ r
0.7 ≤ r
0.6 ≤ r
0.5 ≤ r
0.4 ≤ r
0.3 ≤ r
0.2 ≤ r
0.1 ≤ r
0.0 ≤ r
楽曲数
≤ 1.0
< 0.9
< 0.8
< 0.7
< 0.6
< 0.5
< 0.4
< 0.3
< 0.2
< 0.1
0
7
11
14
15
12
9
6
6
0
p < .05
0
7
11
14
15
12
7
0
0
0
から想起される色彩の間に相関関係があるという，5.1 節で設定した仮説は妥当であ
ると言える．参考のため，本章の心理実験で使用した全 80 曲に関する，本節で求め
た相関係数の詳細を，付録 B に記載しておく．
5.3.2
類似性を考慮した色彩グループに関する結果
本研究で用いた色彩は，図 5.1（5.2.3 節）に示す 35 色であるが，これらの色彩に
は類似した色彩が幾つか存在する．そのため，類似した色彩の数にばらつきがあれ
ば，そのばらつきが分析に影響する可能性が考えられる．例えば，
“ 青 ”に類似した
色彩が“ 青 ”の他に 3 色あり，
“ ピンク ”に類似した色彩が“ ピンク ”の他にない場
合（i.e., 青系の色彩が 4 色でピンク系の色彩が 1 色の場合），本来，
“ 青 ”の想起率
と“ ピンク ”の想起率が同じであったとしても，
“ 青 ”を想起した被験者の回答は類
似色に分散している可能性が考えられる．したがって，5.3.1 節で行った分析から得
られた相関係数は，本来の傾向を示すものではない可能性が考えられる．
以上を考慮し，本節では，図 5.1 に示す 35 色の色彩に関して，類似した色彩のグ
ループ化を行い，得られた色彩グループを用いて，5.3.1 節と同様の分析を行う．
類似した色彩のグループ化
類似した色彩を同一の色彩グループにまとめるために，図 5.1 に示す 35 色の色彩
を L*a*b 表色系で表現し，L，a，b の各値を用いてクラスタ分析（Ward 法，距離
の算出にはユークリッド距離を使用）を行った．このクラスタ分析2 によって得られ
た結果を図 5.2 に示す．ただし，図 5.2 において，横軸の各値は，図 5.1 に示す各色
彩に付与された番号に対応する．
2
統計解析ソフト R による
56
図 5.2: 心理実験で使用した 35 色を L*a*b 表色系で表現したときのクラスター分析結果（デ
ンドログラム）
このクラスタ分析の結果，35 色の色彩を最も良く分類していると判断された 13 グ
ループに分類した．この分類結果を図 5.3 に示す．ただし，図 5.3 における各色彩お
よび各色彩に付与された番号は，図 5.1 における各色彩および各色彩に付与された
番号に対応している．以降では，この 13 グループを用いて分析および考察を行う．
57
13
29
26
16
17
10
25
5
20
22
1
2
9
グループ１
グループ２
グループ３
グループ４
グループ５
グループ６
グループ７
グループ８
グループ９
グループ１０
グループ１１
グループ１２
グループ１３
14
34
28
23
24
11
21
6
27
12
19
3
8
15
4
7
30
32
33
35
31
18
図 5.3: 類似した色彩のグループ化
楽曲の試聴からの色彩想起実験（実験 1）の結果
5.3.1 節と同様に，それぞれの楽曲に関して，被験者が回答した上位 N 位までの色
0
彩グループに関する累積回答率 rcumulative
(N ) を，式（5.2）により求めた．
0
rcumulative
(N )
∑N
a0 (n)
0
n=1 a (n)
= ∑n=1
13
(5.2)
ただし，a0 (n) は回答数の多い上位 n(n = 1, ..., 13) 位の色彩グループに関する述べ
回答数とする．
表 5.6 は，式（5.2）における N の値が 1 から 5 までの，全 80 曲に関する累積回答
率の平均値を示す．表 5.6 から，選択可能な色彩グループが 13 グループあるにも関
わらず，被験者の想起した色彩グループは特定の上位グループに偏りがあることが
分かる．また，全体的に見て，全く選択されなかった色彩グループはなかった．こ
のことは，実験で使用した各楽曲の試聴から想起される固有の色彩グループが存在
することを示している．
歌詞のみの提示からの色彩想起実験（実験 2）の結果
実験 2 における有効回答の結果に関しては，5.3.1 節で述べた通りである．被験者
0
(N ) を，実
が回答した上位 N 位までの色彩グループに関する累積回答率 rcumulative
験 1 と同様に，式（5.2）により求めた．表 5.7 は，式（5.2）における N の値が 1 か
58
表 5.6: 楽曲の試聴からの色彩想起実験（実験 1）の結果（色彩グループ）
N
1
2
3
4
5
累積回答率の平均値
0.3142
0.5083
0.6446
0.7453
0.8204
表 5.7: 歌詞のみの提示からの色彩想起実験（実験 2）の結果（色彩グループ）
N
1
2
3
4
5
累積回答率の平均値
0.3707
0.5721
0.7092
0.8009
0.8697
ら 5 までの，全 80 曲に関する累積回答率の平均値を示す．表 5.7 から，選択可能な
色彩グループが 13 グループあるにも関わらず，被験者の想起した色彩グループは特
定の上位グループに偏りがあることが分かる．また，全体的に見て，全く選択され
なかった色彩グループはなかった．このことは，実験で使用した各楽曲の歌詞の提
示から想起される固有の色彩グループが存在することを示している．
実験 1 と実験 2 の比較
それぞれの楽曲に関して，楽曲の試聴からの色彩想起実験（実験 1）で被験者が回答
した各色彩グループの選択率と，歌詞のみの提示による色彩想起実験（実験 2）で被験
者が回答した各色彩グループの選択率を比較する．5.3.1 節と同様に，比較は Pearson
の積率相関係数 r を求めることによって行う．すなわち，楽曲 mi (i = 1, ..., 80) に関し
て，楽曲の試聴からの色彩想起実験（実験 1）における色彩グループ gj (j = 1, ..., 13)
の選択率を x0ij ，歌詞のみの提示による色彩想起実験（実験 2）における色彩グルー
0
として，楽曲 mi における変数 x0 と y 0 に関する相関係数 r を求
プ gj の選択率を yij
める．
この比較によって得られた，相関係数 r の分布を表 5.8 に示す．表 5.8 において，
中央列の数値は左端列に示す範囲の相関係数となった楽曲数を表し，右端列の数値
は左端列に示す範囲の相関係数となった楽曲のうち，有意確率 5% 水準（両側）を
満たす楽曲数を表す．本節では，13 の色彩グループの選択率によって相関係数を求
めているため，相関係数の導出に用いたサンプルサイズは 13 である．したがって，
相関係数の検定（両側）における棄却の限界値は 0.5529 である．
59
表 5.8: 実験 1 と実験 2 の比較結果（色彩グループ）
相関係数 r
0.9 ≤ r
0.8 ≤ r
0.7 ≤ r
0.6 ≤ r
0.5 ≤ r
0.4 ≤ r
0.3 ≤ r
0.2 ≤ r
0.1 ≤ r
0.0 ≤ r
楽曲数
≤ 1.0
< 0.9
< 0.8
< 0.7
< 0.6
< 0.5
< 0.4
< 0.3
< 0.2
< 0.1
14
24
14
6
8
3
9
1
1
0
p < .05
14
24
14
6
4
0
0
0
0
0
5.3.1 節で述べた通り，Pearson の積率相関係数は，0.2 以上の場合に相関関係があ
るとされている．したがって，表 5.8 から分かるように，本章の心理実験で使用した
全 80 曲中 79 曲に相関関係が見られた．このうち，有意確率 5% 水準（両側）を満た
す楽曲に限定した場合でも，80 曲中 62 曲に相関関係が見られた．この結果は，楽
曲の試聴から想起される色彩グループと歌詞のみの提示から想起される色彩グルー
プの間に相関関係があることを示している．したがって，歌詞付きの楽曲の試聴か
ら想起される色彩と歌詞のみの提示から想起される色彩の間に相関関係があるとい
う，5.1 節で設定した仮説は妥当であると言える．参考のため，本章の心理実験で使
用した全 80 曲に関する，本節で求めた相関係数の詳細を，付録 C に記載しておく．
5.3.3
色彩想起に影響を与えたもの：楽曲，歌詞，色彩の結びつきによる楽曲検索
の実現可能性
5.3.1 節および 5.3.2 節によって，歌詞付きの楽曲の試聴から想起される色彩と歌
詞のみの提示から想起される色彩の間に相関関係があるという，5.1 節で設定した仮
説の妥当性が検証された．しかし，色彩に基づく楽曲検索において歌詞の利用を考
えた場合，歌詞の解析に基づいて楽曲の試聴から想起される色彩を推定するための
具体的な方法の検討が必要である．そこで，本節では，歌詞のみの提示からの色彩
想起実験（実験 2）において被験者から収集した“ 色彩の想起に影響を与えた歌詞
中の箇所 ”を分析する．
実験 2 では，被験者に対して，色彩を回答すると同時に，色彩の想起に影響を与
えた歌詞中の箇所を回答するよう求めている．そこで，回答箇所の回答率を求める
ことによって，歌詞の提示からの色彩想起に影響を与えた歌詞中の箇所を分析する．
この分析に関しては，歌詞における表記ゆれの問題を伴うため，被験者の回答に対
して，4 章で述べた方法と同様の手続きによって，表記ゆれの除去を行った．すな
わち，被験者が回答した単語（あるいは，句，節，文の場合は回答を構成する単語）
60
を日本語語彙大系 [14] で検索し，検索に成功した場合は，検索された語に対して登
録されている先頭の表記に統一するという手法を用いた．例えば，日本語語彙大系
において“ 薔薇 ”を検索した場合，その表記として“ 薔薇 ”,“ バラ ”,“ ばら ”とい
う順に記載されている．したがって，この場合は先頭表記である“ 薔薇 ”に統一さ
れる．ただし，この手続きだけでは同音異義語の問題が残る．例えば，日本語語彙
大系で“ ばら ”という表記を検索した場合，
“ rose ”を意味する“ 薔薇 ”と“ field ”を
意味する“ 原 ”の 2 通りの概念が検索されてしまう．そこで，検索された概念が複
数の場合，検索された概念の上位概念および歌詞中の文脈を考慮して，3 名のジャッ
ジのうち 2 名以上のジャッジが適切であると判定した概念に統一するという手続き
を用いて対応した．
上記の表記ゆれ除去処理を施した後，被験者が色彩の想起に影響を受けたと回答
した歌詞中の箇所の回答率を求めた．すなわち，回答箇所 a の回答率 r(a) を式（5.3）
により求めた．
∑
r(a) =
r(mi , a)
| M (a) |
mi ∈M (a)
r(mi , a) =
(5.3)
x(mi , a)
x(mi )
ただし，M (a) は回答箇所 a を含む歌詞を持つ楽曲の集合，x(mi ) は楽曲 mi ∈ M (a)
の歌詞を提示された被験者のうち，有効回答である被験者数，x(mi , a) は mi の歌詞
を提示された有効回答である被験者のうち，mi において a を回答した被験者数とす
る．したがって，5.2.1 節の説明から，mi の歌詞を提示された被験者の回答が全て
有効回答である場合，x(mi ) = 30 となる．
例えば，
“ 雪 ”を含む楽曲が 80 曲中 3 曲あり，これら 3 曲に関する有効回答とさ
れた被験者数が共に 30 人，それぞれの楽曲において“ 雪 ”を回答した被験者のうち
有効回答とされた被験者数が 27 人，25 人，29 人である場合，
“ 雪 ”の回答率 r(雪)
は (27/30 + 25/30 + 29/30)/3 = 0.9 となる．
以上の分析を，被験者が回答した全ての箇所について行った結果，式（5.3）にお
ける r(a) に関して，r(a) ≥ 5/30 を満たす回答箇所の異なり数は 369 であった．この
うち，単独の単語である回答箇所は 283（76.69%），句や文のように複数の単語で
構成される回答箇所は 86（23.31%）であった．特に，r(a) ≥ 15/30 を満たす回答箇
所の異なり数は 70 であり，このうち，単独の単語である回答箇所は 66（94.29%），
句や文のように複数の単語で構成される回答箇所は 4（5.71%）であった．表 5.9 は，
これらの結果をまとめたものである．参考のため，回答率が 5/30 以上であった 369
回答のうち，回答率の高い上位 50 位までの回答を，付録 D に記載しておく．
表 5.9 から，実験 2 において，色彩の想起に影響を与えた歌詞中の“ 箇所 ”を回答
するという漠然とした指示を行ったにも関わらず，句や文のように複数の単語で構
成されるものよりも，単独の単語が頻出していることが分かる．この結果は，歌詞
から色彩を想起する際に重要な役割を果たす手がかり語が存在し，さらに，歌詞の
みの提示から色彩を想起するために被験者が用いる情報は，この手がかり語が中心
61
表 5.9: 色彩想起に影響を与えた箇所の異なり数
30 名中 5 名以上
30 名中 15 名以上
単独の単語
複数の単語で構成
合計
283
66
86
4
369
70
である，ということを示唆している．すなわち，本節の分析結果は，句あるいは歌
詞全体の内容をゲシュタルト的に理解するという高度な処理を行わなくても，これ
らの手がかり語を特定し，処理することによって，歌詞から想起される色彩を推定
できる可能性を示唆している．したがって，これらの手がかり語から想起される色
彩を調査し，データベースとして蓄積しておけば，歌詞に含まれる手がかり語，お
よび，その手がかり語の歌詞中の頻度などを基に，歌詞から想起される色彩を推定
することが可能であると考えられる．すなわち，歌詞の解析によって，楽曲の試聴
から想起される色彩が推定可能であると考えられる．
以上から，本章では，楽曲の試聴から想起される色彩と歌詞のみの提示から想起
される色彩の間に相関関係があることを，心理実験によって確認した．これにより，
シーン想起による楽曲と色彩の結びつきという認知プロセスを応用する楽曲検索技
術（i.e., 歌詞の解析によって楽曲の試聴から想起される色彩を推定する楽曲検索技
術）の実現可能性を示した．
次章では，本章で得られた，
“ 歌詞から色彩を想起する際に重要な役割を果たす手
がかり語が存在し，さらに，歌詞のみの提示から色彩を想起するために被験者が用
いる情報はこの手がかり語が中心である ”という知見を利用した，具体的な楽曲検
索手法を提案する．これにより，楽曲，歌詞，色彩の結びつきに基づく楽曲検索手
法，すなわち，感性情報として色彩を利用する新しい楽曲検索手法を提案するとい
う本研究の目的を果たす．
62
第 6 章 歌詞と色彩の関係に着目した楽曲検索
手法
5 章では，楽曲の試聴によって想起される色彩と歌詞のみの提示から想起される色
彩の間に相関関係があることを，心理実験によって確認した．この心理実験によっ
て，歌詞の解析によって楽曲の試聴から想起される色彩を推定できる可能性を示し，
楽曲，歌詞，色彩の結びつきによる楽曲検索技術の実現可能性を示した．
そこで本章では，歌詞の解析に基づいて色彩をクエリとする楽曲検索手法を提案
し，計算機に実装する．そして，実装したシステムの評価を行うことで，提案手法
の有用性を確認する．これにより，歌詞の解析によって，色彩をクエリとする楽曲
検索が可能であることを示し，感性情報を利用した新しい楽曲検索手法を提案する
という，本研究の目的を果たす．
6.1
5 章の心理実験で得られた知見の楽曲検索への応用
5 章で行った心理実験によって，楽曲の試聴から想起される色彩と歌詞のみの提
示から想起される色彩の間に相関関係があることが明らかになった．また，被験者
は，歌詞のみの提示から色彩を想起する際に，歌詞に含まれる単語のうち，色彩と
結びつきのある特定の単語の印象を使用する傾向があることが明らかになった．以
上の知見は，歌詞の解析によって楽曲の試聴から想起される色彩の推定が可能であ
り，さらに，楽曲の試聴から想起される色彩を推定するために，歌詞全体の内容を
ゲシュタルト的に理解するという高度な処理を行う必要がないことを示唆している．
すなわち，歌詞に含まれる単語のうち，色彩と結びつきのある手がかり語を抽出し，
抽出された手がかり語に関する色彩想起確率を用いることで，楽曲の試聴から想起
される色彩を推定することができると考えられる．
本章では，5 章で得られた知見から，歌詞の解析から推定された楽曲の色彩印象
を，楽曲の試聴から想起される色彩印象とみなす楽曲検索手法（楽曲検索システム）
を提案する．すなわち，本章で提案する楽曲検索手法は，様々な楽曲に関して，歌
詞の解析に基づいて推定された色彩想起確率をデータベースに登録しておき，ユー
ザが所望する色彩印象（色彩の組み合わせと配色割合）をクエリとして入力すると，
クエリに適合する色彩想起確率を持つ楽曲を，データベースから検索するという手
法である．
本章の以降の部分では，提案手法の詳細について述べる．提案手法の大まかな流
れは以下の通りである．まず，歌詞中に出現する単語の中から，色彩と結びつきの
ある単語を抽出する．次に，抽出された各単語に関する色彩想起確率を，各単語に
63
関する歌詞中の頻度等の情報を考慮して合成することで，楽曲の試聴による色彩想
起確率を推定する．そして，推定された各楽曲の色彩想起確率をデータベースに登
録する．最後に，ユーザがクエリとして色彩の組み合わせと配色割合を入力すると，
クエリとして与えられた配色割合に対する類似度の高い色彩想起確率を持つ楽曲を，
検索結果としてユーザに提示する．
本章では，この手法を計算機に実装し，実装された楽曲検索システムの検索結果
を評価することで，感性情報として色彩を利用した楽曲検索が実現可能であること
を示す．
6.2
楽曲，歌詞，色彩の結びつきに基づく楽曲検索手法の概要
本研究で試作した楽曲検索システムの実行画面を図 6.1 に示す．ユーザは，あら
かじめ用意された 35 色のカラーパレットから任意の色彩を選択し，スライダを用い
て選択した色彩の配色割合を指定し，クエリとして送信する．このとき，ユーザは，
システムに対して入力する色彩数も自由に変更することができる（図 6.1 の例では
3 色）．システムはクエリとして送信された色彩の組み合わせ，および，その配色割
合を基に，クエリの配色割合と登録されている楽曲の色彩印象に関する配色割合の
類似度を計算する．その結果，図 6.2 のように，類似度の高い配色割合の色彩印象
を持つ楽曲をリスト化してユーザに提示する．
本研究で用いる 35 色の色彩は図 6.1 に示す色彩である．これらの色彩は，5 章の
心理実験で使用した色彩と同様のものである．すなわち，Microsoft Word2003 の標
準カラーパレットに用意されている 40 色の色彩のうち，予備実験によって互いの色
彩の区別が難しい色彩（すなわち，被験者が判断に迷うと考えられる色彩）と判断
された 5 つの色彩（ツールチップに表示される名称が「濃い青緑，青緑，アクア，ス
カイブルー，ペールブルー」である色彩）を除いた 35 色である．
本研究において，図 6.1 に示すサンプルカラーを使用した理由は以下の通りであ
る．第 1 に，専門的で複雑なカラーチャートによって色彩を指定する方式では，色
彩工学などの専門的な知識を持つユーザ以外に対して，操作しにくくなると予想さ
れる．第 2 に，RGB 表色系あるいは L*a*b 表色系の値を直接的に入力することは，
第 1 の理由と同様に，色彩工学などの専門的な知識を持つユーザ以外に対して，操
作しにくくなると予想される．特に，コンピュータ初心者に対しては，非常に分か
り難いインターフェイスとなる可能性が考えられる．第 3 に，どのようなユーザに
対しても，シンプルで分かりやすいインターフェイスとするには，コンピュータ初
心者でも，ある程度，馴染みのあるインターフェイスであることが望ましい．この
点を考慮すれば，Microsoft Word2003 の標準カラーパレットを参考にするのが好ま
しいと考えられる．
64
図 6.1: 試作システムの入力画面の例
図 6.2: 試作システムの出力画面の例
65
6.3
基本原理
本研究では，図 6.1 に示す 35 色の色彩（5.2.3 節の図 5.1 の色彩と同様）に関する
想起確率を値とするベクトルを色彩ベクトルと呼ぶ．すなわち，ある色彩ベクトル
v は，各色彩 ci (i = 1, ..., 35) の想起確率を pi とすると，式（6.1）で表される．
v = (p1 , ..., p35 )
(6.1)
本章で提案する楽曲検索手法では，5 章における心理実験で得られた知見（i.e., 楽
曲の試聴から想起される色彩と歌詞のみの提示から想起される色彩の間に相関関係
がある）に基づき，歌詞から想起される色彩ベクトルを楽曲の試聴から想起される
色彩ベクトルとみなす（以降，楽曲色彩ベクトルと呼ぶ）．また，ユーザの入力し
た配色割合をクエリとして用いる色彩ベクトルとする（以降，クエリ色彩ベクトル
と呼ぶ）．提案手法は，クエリ色彩ベクトルが与えられると，データベースに登録
されている楽曲色彩ベクトルを参照し，クエリ色彩ベクトルと類似した楽曲色彩ベ
クトルを持つ楽曲を，類似度の高い順に提示する手法である．本研究では，クエリ
色彩ベクトルをq ，楽曲 m の楽曲色彩ベクトルを v(m) とすると，q と v(m) の類似
度 s(q, v(m)) は，式（6.2）に示すコサイン類似度によって求めるものとする．
s(q, v(m)) =
q · v(m)
kqkkv(m)k
(6.2)
したがって，本研究で提案する楽曲検索手法は，どのようにして楽曲色彩ベクト
ル v(m) を得るかということが重要な役割を果す．次節以降では，楽曲色彩ベクト
ルを推定する手法に関して詳述する．
6.4
楽曲色彩ベクトルの推定
本研究では，式（6.3）によって，楽曲 m の楽曲色彩ベクトル v(m) を推定する手
法を提案する．
∑
v(m) =
f (wi )I(wi )v(wi )
| A(m) |
wi ∈A(m)
(6.3)
ただし，A(m) は楽曲 m の歌詞に出現する色彩と結びつきのある単語の集合，f (wi )
は楽曲 m の歌詞における単語 wi ∈ A(m) の出現頻度，I(wi ) は wi の影響度，v(wi )
は wi の色彩ベクトルとする．ここで，単語 wi の影響度とは，wi の印象が歌詞の色
彩印象の形成に与える影響の度合いとする．
6.5
プリミティブワード
式（6.3）によって楽曲色彩ベクトルを求めるためには，色彩と結びつきのある単
語（例えば，
“ 太陽（赤）”や“ 山（緑）”のように典型的な色彩を持つ単語）をあら
66
かじめ特定し，それらの単語に関する歌詞中の頻度，影響度および色彩ベクトルが
必要となる．本研究では，5 章において，80 曲に関して歌詞のみの提示から想起さ
れる色彩，および，その際に影響を受けた歌詞中の箇所を，心理実験によって調査
している．このとき，被験者が色彩の想起に影響を受けた箇所に関しては，句や文
のように複数の単語で構成されるものよりも，単独の単語が頻出していることを確
認している．さらに，5 章における心理実験で使用した楽曲に関しては，様々な歌
詞に高頻度で出現する単語を多く含む楽曲であるほど，一般的な知見が得られる可
能性が高いということを考慮して，様々な歌詞に高頻度で出現する単語をできるだ
け多く含む楽曲を使用している．
以上から，式（6.3）によって楽曲色彩ベクトルを求めるために必要な，色彩と結び
つきのある単語は，5 章の心理実験で得られた結果を用いることにする．5 章で行っ
た心理実験では，被験者が色彩の想起に影響を受けたと回答した歌詞中の箇所に対
して表記ゆれ除去処理を施した後，回答箇所の回答率を求めている．そこで，本章
では，5 章で行った心理実験の結果，歌詞を提示された被験者全員の回答が有効回
答であった場合に，30 名中 5 名以上となる回答率（i.e., 1/6 以上の回答率）を持つ
単独の単語を，式（6.3）における色彩と結びつきのある単語として使用する．以降
では，これらの単語のことをプリミティブワードと呼ぶ．5.3.3 節の表 5.9 から分か
るように，5 章で行った心理実験から得られたプリミティブワードは 283 語である．
ここで，式（6.3）における色彩と結びつきのある単語を，5 章で使用した楽曲の
歌詞に出現する全ての単語とせず，特定の単語（i.e., プリミティブワード）に限定
した理由は，以下の通りである．第 1 に，全ての単語を対象とした場合，それらの
単語には機能語（e.g., 助詞，助動詞など）と内容語（e.g., 名詞，動詞，形容詞など）
が含まれる．しかし，機能語から色彩を想起するのは困難であり，少なくとも，色彩
と結びつきのある単語としては，内容語のみに限定することが妥当であると考えら
れる．第 2 に，対象を全ての内容語に限定した場合でも，無駄な情報となる内容語
が多数存在する．例えば，
“ これ ”や“ それ ”などの代名詞から，色彩を想起するの
は困難であると考えられる．第 3 に，対象を代名詞を除いた内容語に限定した場合
でも，色彩を想起するのが困難な内容語は多数存在する．例えば，
“ 世界 ”や“ 駅 ”
のように，典型的で特徴的な色彩に対応していない単語から色彩を想起するのは困
難であると考えられる．仮に，これらの単語に関する何らかの色彩ベクトルを得た
としても，これらの単語は，元々，色彩を想起するのが困難な単語であるため，式
（6.3）においてノイズとして働いてしまう可能性が考えられる．第 4 に，全ての単
語に関して，後述の手法（i.e., 6.5.1 節および 6.5.2 節）によって，影響度および色
彩ベクトルを取得するためには，非常に大規模な心理実験を実施しなければならず，
非現実的である．第 5 に，あらゆる単語に関する影響度と色彩ベクトルを得たとし
ても，色彩を想起するのが困難な単語の影響度は非常に小さい値となることが予想
される．式（6.3）を考慮すれば，影響度の小さい単語は，楽曲の色彩ベクトルを推
定する際に誤差程度として機能するだけである．このことは，そのような単語の情
報（i.e., 影響度と色彩ベクトル）が楽曲の色彩ベクトルの推定において使用されな
い情報であることと等価であると言える．すなわち，そのような単語の情報を取得
67
するために要する労力は無駄な労力となる．第 6 に，以上を考慮すれば，5 章で使
用した楽曲の歌詞に出現する単語のうち，複数の被験者が共通して影響を受けたと
回答した有限個の単語を，色彩と結びつきのある単語として用いるのが効率的であ
ると言える．
6.5.1
プリミティブワードの影響度
本研究では，5.3.3 節において得られた，各プリミティブワードに関する回答率
（i.e., 歌詞のみの提示から色彩を想起するときに，被験者がそのプリミティブワード
に影響を受けたと回答した率）を，各プリミティブワードの影響度とする．すなわ
ち，プリミティブワード α の影響度 I(α) は，式（6.4）によって与えられる．
∑
I(α) =
I(mi , α)
| M (α) |
mi ∈M (α)
I(mi , α) =
(6.4)
x(mi , α)
x(mi )
ただし，M (α) はプリミティブワード α を含む楽曲の集合，x(mi ) は楽曲 mi ∈ M (α)
の歌詞を提示された被験者のうち，有効回答である被験者数，x(mi , α) は mi の歌詞
を提示された有効回答である被験者のうち，mi において α を回答した被験者数とす
る．したがって，5.2.1 節の説明から，mi の歌詞を提示された被験者の回答が全て
有効回答である場合，x(mi ) = 30 となる．
例えば，本研究で得られたプリミティブワードの 1 つに“ 雪 ”がある．このプリミ
ティブワード“ 雪 ”を含む楽曲が 80 曲中 3 曲あり，これら 3 曲に関する被験者の回
答が全て有効回答であり，それぞれの楽曲において“ 雪 ”を回答した被験者が 27 人，
25 人，29 人である場合，
“ 雪 ”の影響度 I(雪) の値は (27/30 + 25/30 + 29/30)/3 = 0.9
となる．
本研究では，5 章の心理実験の結果において，5/30 以上の回答率である単語をプ
リミティブワードと定義しているため，プリミティブワードの影響度は 5/30 以上で
ある．
6.5.2
プリミティブワードの色彩ベクトル
本研究では，プリミティブワードに関する色彩ベクトルを得るために，5 章で行っ
た心理実験とは別の心理実験を実施した．
被験者
実験に参加した被験者は，21 名の大学生および大学院生（男性 17 名，女性 4 名，
平均年齢 23.14 歳）である．
68
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
図 6.3: 実験で使用したカラーパレット（再掲）
表 6.1: 色彩の回答方法（再掲）
想起される色彩数
1色
2色
3色
回答方法
想起される色彩を 3 回回答する
より強く想起される色彩を 2 回回答し，他方を 1 回回答する
想起される色彩を 1 回ずつ回答する
実験刺激
被験者に提示する刺激は，5.3.3 節の表 5.9 に示すプリミティブワード 283 語であ
る．被験者には，283 語全てのプリミティブワードを割り当てた．
実験手続き
プリミティブワードを 1 語ずつ提示し，提示されたプリミティブワードから想起
される色彩を回答するよう求める．実験に使用した色彩は，5 章で行った心理実験
に用いた 35 色である．実際に被験者に提示した 35 色のカラーパレットを図 6.3 に
再掲する．図 6.3 に示す各色彩に付与された番号に関しては，5.2.3 節で述べた通り
である．プリミティブワードの提示順序に関しては，被験者毎に，実験開始時に計
算機を用いて無作為に決定した．実験は静かな部屋で行い，余計な音によって影響
を受けないように配慮した．
色彩の回答に関しては，5 章で行った心理実験と同様の手法を採用した．すなわ
ち，被験者に対して，表 6.1 に示すように，想起される色彩数に関わらず，一律に 3
回回答するよう求めた．
例えば，赤のみが想起される場合は，赤を 3 回回答し，赤と青が想起され，より
強く想起したのが赤である場合は，赤を 2 回と青を 1 回回答する．そして，赤と青
と緑が想起されれば赤と青と緑を 1 回ずつ回答する．
69
色彩ベクトルの算出
以上の心理実験により得られた回答を用いて，プリミティブワードの色彩ベクト
ルを求める．6.3 節で述べたように，色彩ベクトルの各要素の値はその要素に対応す
る色彩の想起確率であるから，プリミティブワード α の色彩ベクトル v(α) は，式
（6.5）によって与えられる．
v(α) = (
t(α, c1 )
t(α, c35 )
, ...,
)
3x(α)
3x(α)
(6.5)
ただし，x(α) は本節の心理実験において α を提示された被験者数，t(α, ci ) は α に
関する全ての回答のうち色彩 ci (i = 1, ..., 35) の延べ回答数とする．なお，本節の心
理実験の説明から，x(α) = 21 である．
6.6
未知語
6.5 節で述べたプリミティブワードは，5 章で行った心理実験によって得られたも
のである．5 章の心理実験で使用した楽曲が有限個である以上，6.5 節のプリミティ
ブワードが色彩と結びつきのある単語を全て網羅している保証はない．したがって，
プリミティブワード以外にも，式（6.3）によって楽曲色彩ベクトルを求めるために
必要な，色彩と結びつきのある単語，および，それらの単語に関する情報（i.e., 影
響度と色彩ベクトル）を，何らかの方法によって推定することができれば，上述の
問題を少しでも解消できる可能性がある．
そこで，本節では，コーパスとプリミティブワードの情報（i.e., 影響度と色彩ベ
クトル）を用いて，プリミティブワード以外の単語に関する情報（i.e., 影響度と色
彩ベクトル）を推定する方法を提案する．以降では，コーパスに出現する単語のう
ち，プリミティブワード以外の単語のことを未知語と呼ぶ．
本研究では，未知語に関する影響度と色彩ベクトルを，プリミティブワードと未
知語の類似度，および，プリミティブワードの影響度と色彩ベクトルに基づいて推
定する．プリミティブワードと未知語の類似度に関しては，潜在的意味解析（LSA）
[33] によって求める．
以下では，まず，LSA について説明する．次いで，LSA によって得られたプリミ
ティブワードと未知語の類似度に基づいて，未知語の影響度と色彩ベクトルを推定
する手法について述べる．
6.6.1
潜在的意味解析（LSA）
潜在的意味解析（LSA：Latent Semantic Analysis）とは，コーパスを用いて，コー
パス中に出現する索引語同士の意味的な類似度を求める手法である．LSA では，コー
パス中に出現する索引語に関する，コーパス中の各文書における出現回数からなる，
索引語・文書行列を用いて，索引語同士の類似度を求める．ただし，索引語・文書
行列をそのまま用いると，コーパスが大規模になるほど，索引語数や文書数が膨大
70
になり，索引語・文書行列の要素数が爆発的に増加する．また，索引語数や文書数
が増加するにつれて，索引語・文書行列は高次元のスパース行列となる．そのため，
コーパスが大規模になるほど，索引語同士の類似度計算が困難になる．
そこで，LSA では，索引語・文書行列を特異値分解することで，索引語ベクトルを
低次元のベクトル空間上に圧縮する．この圧縮は，高次元ベクトル空間を，主成分
分析によって得られた主成分で近似する操作に相当する．したがって，特異値分解
に基づく次元圧縮は，次元数を小さくするだけでなく，類似度計算が困難であった
索引語ベクトル同士を，意味的な類似性によって比較することができるようにする．
LSA では，索引語ベクトル同士の類似度計算のために，コサイン類似度が一般的
に使用される．そこで，本研究では，コーパス中に出現する索引語同士の類似度と
して，索引語の索引語ベクトル同士のコサイン類似度を用いる．
今回，LSA に用いるコーパスとして，毎日新聞コーパス（2005 年）1 年分を用い
た．ただし，このコーパスには全てのプリミティブワードが含まれていなかったた
め，5 章で行った心理実験に使用した 80 曲の歌詞もコーパスに含めた．また，使用
した新聞コーパスおよび歌詞の 1 段落を 1 文書として扱うこととした．なお，歌詞
においては，歌詞カードにおいて空行で区切られた部分を 1 つの段落とした．各文
書の形態素解析には MeCab 1 を用いた．本研究では，形態素解析によって得られた
形態素のうち，感動詞，形容詞（自立），動詞（自立），副詞（一般，助詞類接続），
名詞（サ変接続，ナイ形容詞語幹，一般，引用文字列，形容動詞語幹，固有名詞，接
続詞的，接尾，副詞可能），連体詞を LSA の対象として用いた．結果的に，LSA に
使用した文書数は 643,807，異なり語数は 129,462 となった．圧縮次元数に関しては，
パフォーマンスが良いと報告されている 300 次元 [32] とした．
以降では，プリミティブワードの情報（i.e., 影響度と色彩ベクトル）と LSA によっ
て得られた類似度（i.e., コサイン類似度）を用いて，未知語の情報（i.e., 影響度と
色彩ベクトル）を推定する方法について述べる．
6.6.2
未知語の影響度と色彩ベクトル
本研究では，未知語 u に関して，u と閾値 θ(> 0) 以上の類似度を持つプリミティ
ブワードが存在する場合，u に関する影響度と色彩ベクトルは算出可能であるとす
る．すなわち，u は色彩と結びつきのある単語とする．このとき，u の影響度 I(u)
と色彩ベクトル v(u) は，式（6.6），式（6.7），式（6.8）によって与えられるもの
とする．
∑
I(u) =
∑
v(u) =
s(u, wi )I(wi )
| P (u, θ) |
(6.6)
s(u, wi )v(wi )
| P (u, θ) |
(6.7)
wi ∈P (u,θ)
wi ∈P (u,θ)
P (u, θ) = {wi | wi ∈ P ∧ s(u, wi ) ≥ θ}
1
http://mecab.sourceforge.net/
71
(6.8)
図 6.4: 未知語の影響度と色彩ベクトル
ただし，P は全てのプリミティブワードの集合，I(wi ) はプリミティブワード wi ∈ P
の影響度，v(wi ) は wi の色彩ベクトル，s(u, wi ) は LSA により得られた u と wi のコ
サイン類似度，P (u, θ) は未知語 u との類似度 s(u, wi ) が θ 以上であるプリミティブ
ワード wi の集合とする．また，式（6.6）において，P (u, θ) が空集合である場合，u
は色彩と結びつきのない単語であるとして，影響度を 0 とする．
例えば，図 6.4 に示すように，
“ 太陽 ”，
“ 雪 ”，
“ 海 ”，
“ 三日月 ”，
“ サンタクロー
ス ”，
“ 草原 ”，
“ 冬 ”，
“ 山 ”の 8 つの単語が全てのプリミティブワードであり，未知
語として“ ピクニック ”と“ 円高 ”がある場合を考える．このとき，
“ ピクニック ”
と閾値 θ(> 0) 以上の類似度を持つプリミティブワードとして，
“ 草原 ”と“ 山 ”の 2
つがあり，
“ 円高 ”と θ 以上の類似度を持つプリミティブワードがないとする．この
場合，
“ ピクニック ”は色彩と結びつきのある単語とみなされる．そして，
“ 草原 ”
と“ 山 ”に関する影響度と色彩ベクトルを基に，式（6.6），式（6.7），式（6.8）を
用いて，
“ ピクニック ”に関する影響度と色彩ベクトルは算出される．一方，
“ 円高 ”
は色彩と結びつきのない単語とみなされ，影響度は 0 となる．
6.7
楽曲色彩ベクトルの具体的な推定手法
本研究では，6.4 節の式（6.3）を具体的に計算するために，2 通りの手法を提案す
る．一方は，式（6.3）における色彩と結びつきのある単語の集合 A(m) として，プ
リミティブワードのみを想定する手法（手法 1）である．他方は，式（6.3）におけ
る A(m) として，プリミティブワードと未知語（6.6.2 節で述べた手法で色彩と結び
つきのある単語とみなされた未知語）の両方を想定する手法（手法 2）である．
ただし，式（6.3）において，プリミティブワードの影響度と色彩ベクトル，およ
び，未知語の影響度と色彩ベクトルに関しては，それぞれ，6.5 節および 6.6 節で述
べた方法により得られた影響度と色彩ベクトルを用いるものとする．
72
6.8
評価
提案手法は，楽曲の試聴から想起される色彩印象（i.e., 色彩ベクトル）が楽曲固有
であり，その色彩印象は歌詞のみの提示から想起される色彩印象と相関があるとい
う前提に基づいている．したがって，この前提および提案手法が妥当であれば，楽
曲の試聴から得られた色彩ベクトルをクエリとした場合，クエリに対応する楽曲が
上位に検索されると予想される．
そこで，提案手法を評価するために，評価用楽曲を新たに用意し，心理実験によっ
て評価用楽曲の試聴から想起される色彩ベクトルをクエリ色彩ベクトルとして作成
する．そして，作成されたクエリ色彩ベクトルを用いて提案手法の評価を行う．こ
の評価は，情報検索で一般的に用いられている，再現率，適合率，および，F 尺度
[21] を用いて行う（後述）．
6.8.1
クエリ色彩ベクトルの作成（心理実験）
本節では，提案手法を評価するために，心理実験によって楽曲の試聴から想起さ
れる色彩印象を調査し，そこから得られたデータを用いて，クエリ色彩ベクトルを
作成する．心理実験は，被験者に楽曲を試聴させ，楽曲の試聴から想起される色彩
を回答させるという内容である．
使用楽曲
5 章の心理実験で使用していない 50 曲を新たに評価用楽曲として用意した．これ
らの評価用楽曲に関しては，5 章の心理実験で使用した楽曲と同様に，音楽検索サ
イトを参考に，できるだけアーティスト，曲調が異なるように配慮しながら選曲し
た．評価用楽曲として使用した楽曲の一覧は付録 E に記載しておく．
また，5 章で行った心理実験と同様に，被験者負担を考慮し，楽曲の 1 番に相当す
る部分のみを使用することにした．これに伴い，楽曲色彩ベクトルの推定に関して
も，楽曲の 1 番に相当する部分のみを使用することにした．
被験者
被験者は，大学生 57 名（男性 27 名，女性 30 名，平均年齢 20.10 歳）である．被
験者はグループ分けをせず，全ての被験者に対して，評価用楽曲 50 曲全てを割り当
てた．
実験手続き
被験者に楽曲を試聴させ，楽曲の試聴から想起される色彩を回答するよう求めた．
色彩の回答方法に関しては，5 章および 6.5 節のプリミティブワードの色彩ベクトル
の作成で行った心理実験と同様の方法を用いた．
73
クエリ色彩ベクトルの作成
被験者の回答からクエリ色彩ベクトルを作成する方法に関しては．5 章および 6.5
節と同様の方法を用いた．すなわち，楽曲 mi (i = 1, ..., 50) に関するクエリ色彩ベク
トル q(mi ) は，式（6.9）によって与えられる．
q(mi ) = (
t(mi , c1 )
t(mi , c35 )
, ...,
)
3x(mi )
3x(mi )
(6.9)
ただし，x(mi ) は心理実験において楽曲 mi を試聴した被験者数，t(mi , cj ) は楽曲
mi に関する全ての回答のうち，色彩 cj (j = 1, ..., 35) に関する延べ回答数とする．な
お，上述の被験者に関する説明から，x(mi ) = 57 である．
6.8.2
評価方法
システムの性能評価は，式（6.10），式（6.11），式（6.12）によって与えられる
R，P ，F の値を用いて行う．ただし，R は再現率，P は適合率，F は F 尺度とす
る．再現率，適合率，F 尺度は，情報検索分野で一般的に用いられている評価指標
である [21]．
R=
検索された楽曲中の正解楽曲数
全楽曲中の正解楽曲数
(6.10)
P =
検索された楽曲中の正解楽曲数
検索された楽曲数
(6.11)
F =
2
1/R + 1/P
(6.12)
ここで，正解となる楽曲は，評価用楽曲のうち，入力したクエリ色彩ベクトルと
閾値 θcorrect 以上のコサイン類似度を持つクエリ色彩ベクトルに対応する楽曲とする．
したがって，θcorrect = 1 の場合は，クエリとして入力した楽曲のみを正解とする場
合に相当する．また，θcorrect 6= 1 の場合は，楽曲の試聴から想起される色彩が，クエ
リ楽曲の試聴から想起される色彩に類似した楽曲も正解とする場合に相当する．検
索される楽曲は，6.4 節の式（6.3）により推定された評価用楽曲の色彩ベクトルの
うち，クエリベクトルとの類似度の高い上位 N 位までの色彩ベクトルを持つ楽曲と
する．
本章における評価では，θcorrect の値として，0.6，0.7，0.8，0.9，1 を用い，N の
値として，1 から 10 までの値を用いる．また，6.6.2 節における θ （未知語の影響度
と色彩ベクトルを推定するための，プリミティブワードと未知語の類似度に関する
閾値）の値として，0.3，0.4，0.5，0.6，0.7，0.8，0.9 を用いる．なお，各 θcorrect の
値に対する平均正解楽曲数を表 6.2 に示す．
74
表 6.2: 平均正解楽曲数
平均正解楽曲数
6.8.3
0.6
16.48
θcorrect
0.7
0.8
10.12 5.44
0.9
2.08
1
1
結果
6.4 節の式（6.3）における色彩と結びつきのある単語の集合 A(m) として，プリミ
ティブワードのみを想定する手法（手法 1）のパフォーマンスを表 6.3，図 6.5，図
6.6，図 6.7 に示し，プリミティブワードと未知語（6.6.2 節において，色彩と結びつ
きのある単語とみなされた未知語）の両方を想定する手法（手法 2）のパフォーマ
ンスを表 6.4，図 6.8，図 6.9，図 6.10，図 6.11，図 6.12，図 6.13，図 6.14，図 6.15，
図 6.16，図 6.17，図 6.18，図 6.19 に示す．ただし，表 6.3，表 6.4 において，R，P ，
F ，θcorrect ，N は，それぞれ，再現率，適合率，F 尺度，6.8.2 節の θcorrect ，6.8.2 節
の N を表し，表中の各数値は評価用楽曲 50 曲に関する平均値を表す．なお，手法 2
に関しては，6.6.2 節における θ の値として，6.8.2 節で述べた 7 種類の θ の値（i.e.,
0.3，0.4，0.5，0.6，0.7，0.8，0.9）のうち，6.8.2 節で述べた全ての θcorrect の値（i.e.,
0.6，0.7，0.8，0.9，1）に関する F 尺度の平均値が最も高い値を示した，0.6 の場合
を手法 2 のパフォーマンスとする．参考のため，手法 1 のパフォーマンス，および，
6.8.2 節で述べた 7 種類の θ の値に関する手法 2 のパフォーマンスを，付録 F に記載
しておく．
図 6.5，図 6.6，図 6.7 は，それぞれ，θcorrect = 1 の場合の再現率，適合率，F 尺度
に関する結果を示す．表 6.3，表 6.4，図 6.5，図 6.6，図 6.7 より，正解楽曲をクエリ
楽曲のみとする場合（i.e., θcorrect = 1 の場合）に関しては，プリミティブワードと
未知語の両方を想定する手法（手法 2）の方が，プリミティブワードのみを想定す
る手法（手法 1）よりも，パフォーマンスが高いことが分かる．
図 6.8，図 6.9，図 6.10 は，それぞれ，θcorrect = 0.9 の場合の再現率，適合率，F
尺度に関する結果を示す．図 6.11，図 6.12，図 6.13 は，それぞれ，θcorrect = 0.8 の
場合の再現率，適合率，F 尺度に関する結果を示す．図 6.14，図 6.15，図 6.16 は，
それぞれ，θcorrect = 0.7 の場合の再現率，適合率，F 尺度に関する結果を示す．図
6.17，図 6.18，図 6.19 は，それぞれ，θcorrect = 0.6 の場合の再現率，適合率，F 尺度
に関する結果を示す．表 6.3，表 6.4，図 6.8，図 6.9，図 6.10，図 6.11，図 6.12，図
6.13，図 6.14，図 6.15，図 6.16，図 6.17，図 6.18，図 6.19 より，楽曲の試聴から想
起される色彩がクエリ楽曲の試聴から想起される色彩に類似した楽曲も正解とする
場合（i.e., θcorrect 6= 1 の場合）に関しても，プリミティブワードと未知語の両方を
想定する手法（手法 2）の方が，プリミティブワードのみを想定する手法（手法 1）
よりも，パフォーマンスが高いことが分かる．
以上より，本研究で提案した手法は，6.4 節の式（6.3）における色彩と結びつき
のある単語の集合（i.e., A(m)）として，プリミティブワードと未知語の両方を想定
75
する手法（手法 2）の方が，プリミティブワードのみを想定する手法（手法 1）より
も，パフォーマンスが高いと言える．
76
表 6.3: 手法 1 に関するパフォーマンス
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0573
0.8600
0.1068
0.1036
0.7800
0.1808
0.1551
0.7733
0.2545
0.2053
0.7750
0.3189
0.2518
0.7600
0.3707
0.2989
0.7533
0.4187
0.3356
0.7314
0.4497
0.3689
0.7100
0.4742
0.4012
0.6867
0.4942
0.4290
0.6660
0.5091
0.7
0.0689
0.6600
0.1226
0.1209
0.6100
0.1975
0.1902
0.6333
0.2849
0.2516
0.6200
0.3472
0.3113
0.6120
0.3996
0.3605
0.5933
0.4346
0.3958
0.5629
0.4500
0.4423
0.5500
0.4735
0.4716
0.5200
0.4774
0.5033
0.5020
0.4858
θcorrect
0.8
0.0852
0.4000
0.1279
0.1438
0.3800
0.1892
0.2353
0.4267
0.2766
0.3177
0.4200
0.3314
0.3869
0.4160
0.3686
0.4468
0.4100
0.3958
0.4807
0.3857
0.3959
0.5104
0.3700
0.3981
0.5455
0.3467
0.3932
0.5709
0.3280
0.3877
77
平均値
0.9
0.0960
0.2200
0.1227
0.1580
0.1900
0.1563
0.2830
0.2200
0.2243
0.3280
0.2000
0.2251
0.4097
0.2000
0.2446
0.4530
0.1900
0.2442
0.4920
0.1771
0.2391
0.5553
0.1725
0.2438
0.5753
0.1556
0.2276
0.5953
0.1420
0.2139
1
0.1000
0.1000
0.1000
0.1600
0.0800
0.1067
0.3000
0.1000
0.1500
0.3600
0.0900
0.1440
0.4200
0.0840
0.1400
0.4600
0.0767
0.1314
0.5200
0.0743
0.1300
0.5600
0.0700
0.1244
0.5800
0.0644
0.1160
0.6000
0.0600
0.1091
0.0756
0.5367
0.1113
0.1285
0.4900
0.1640
0.2147
0.5067
0.2345
0.2716
0.5000
0.2742
0.3316
0.4947
0.3098
0.3777
0.4844
0.3342
0.4168
0.4648
0.3462
0.4574
0.4521
0.3595
0.4854
0.4330
0.3634
0.5101
0.4160
0.3658
表 6.4: 手法 2 に関するパフォーマンス（θ = 0.6 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0627
0.9200
0.1167
0.1207
0.9000
0.2105
0.1774
0.8800
0.2909
0.2234
0.8350
0.3462
0.2611
0.7840
0.3838
0.2981
0.7533
0.4181
0.3376
0.7371
0.4527
0.3811
0.7300
0.4890
0.4057
0.6956
0.4999
0.4388
0.6820
0.5208
0.7
0.0788
0.7200
0.1395
0.1408
0.6700
0.2275
0.2216
0.6800
0.3230
0.2753
0.6500
0.3739
0.3229
0.6160
0.4081
0.3586
0.5767
0.4263
0.4068
0.5657
0.4561
0.4555
0.5575
0.4829
0.4799
0.5267
0.4839
0.5254
0.5200
0.5042
θcorrect
0.8
0.0955
0.4400
0.1502
0.1675
0.4200
0.2187
0.2834
0.4533
0.3157
0.3308
0.4250
0.3386
0.3835
0.4040
0.3590
0.4134
0.3733
0.3597
0.4697
0.3743
0.3845
0.5242
0.3675
0.3990
0.5560
0.3489
0.3970
0.5922
0.3320
0.3946
78
平均値
0.9
0.1110
0.2200
0.1347
0.1693
0.2000
0.1631
0.2997
0.2133
0.2229
0.3680
0.2100
0.2411
0.4147
0.1960
0.2411
0.4287
0.1733
0.2253
0.4913
0.1771
0.2394
0.5720
0.1750
0.2479
0.5860
0.1600
0.2338
0.6060
0.1460
0.2196
1
0.1200
0.1200
0.1200
0.2000
0.1000
0.1333
0.3000
0.1000
0.1500
0.3800
0.0950
0.1520
0.4400
0.0880
0.1467
0.4400
0.0733
0.1257
0.5000
0.0714
0.1250
0.6000
0.0750
0.1333
0.6000
0.0667
0.1200
0.6200
0.0620
0.1127
0.0857
0.5667
0.1247
0.1485
0.5467
0.1869
0.2362
0.5478
0.2561
0.2921
0.5242
0.2904
0.3380
0.4947
0.3113
0.3625
0.4667
0.3199
0.4127
0.4610
0.3435
0.4733
0.4567
0.3656
0.4939
0.4352
0.3670
0.5240
0.4227
0.3734
0.7
0.6
再現率
0.5
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
9
10
9
10
N
手法1
手法2
図 6.5: θcorrect = 1 の場合の再現率
0.14
0.12
適合率
0.1
0.08
0.06
0.04
0.02
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.6: θcorrect = 1 の場合の適合率
0.16
0.14
0.12
F尺度
0.1
0.08
0.06
0.04
0.02
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.7: θcorrect = 1 の場合の F 尺度
79
0.7
0.6
再現率
0.5
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
9
10
9
10
N
手法1
手法2
図 6.8: θcorrect = 0.9 の場合の再現率
0.25
適合率
0.2
0.15
0.1
0.05
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.9: θcorrect = 0.9 の場合の適合率
0.3
0.25
F尺度
0.2
0.15
0.1
0.05
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.10: θcorrect = 0.9 の場合の F 尺度
80
0.7
0.6
再現率
0.5
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
9
10
9
10
N
手法1
手法2
図 6.11: θcorrect = 0.8 の場合の再現率
0.5
適合率
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.12: θcorrect = 0.8 の場合の適合率
0.45
0.4
0.35
F尺度
0.3
0.25
0.2
0.15
0.1
0.05
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.13: θcorrect = 0.8 の場合の F 尺度
81
0.6
0.5
再現率
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
9
10
9
10
N
手法1
手法2
図 6.14: θcorrect = 0.7 の場合の再現率
0.8
0.7
適合率
0.6
0.5
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.15: θcorrect = 0.7 の場合の適合率
0.6
0.5
F尺度
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.16: θcorrect = 0.7 の場合の F 尺度
82
0.5
再現率
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
9
10
9
10
9
10
N
手法1
手法2
適合率
図 6.17: θcorrect = 0.6 の場合の再現率
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.18: θcorrect = 0.6 の場合の適合率
0.6
0.5
F尺度
0.4
0.3
0.2
0.1
0
1
2
3
4
5
6
7
8
N
手法1
手法2
図 6.19: θcorrect = 0.6 の場合の F 尺度
83
6.8.4
考察
未知語に関する影響度と色彩ベクトルの推定について
6.4 節の式（6.3）における色彩と結びつきのある単語の集合（i.e., A(m)）として，
プリミティブワードと未知語の両方を想定する手法（手法 2）の方が，プリミティブ
ワードのみを想定する手法（手法 1）よりも，パフォーマンスが高いという，6.8.3
節の結果は，5 章によって得られたプリミティブワード以外にも，色彩と結びつきの
ある重要な単語が，評価用楽曲に含まれていることを示唆している．しかし，心理
実験によってプリミティブワードの調査を行う場合，実験で使用する楽曲は有限個
の楽曲とならざるを得ず，心理実験で得られたプリミティブワードが色彩と結びつ
きのある単語を全て網羅することは困難である．本研究で提案した未知語に関する
影響度と色彩ベクトルの推定は，この問題を軽減させるために提案した手法である．
6.8.3 節において，プリミティブワードと未知語の両方を想定する手法（手法 2）の
方が，プリミティブワードのみを想定する手法（手法 1）よりも，パフォーマンス
が高かったことを考慮すれば，本研究で提案した，未知語に関する影響度と色彩ベ
クトルの推定が，パフォーマンスの向上に貢献していたと考えられる．よって，本
研究で提案した未知語に関する影響度と色彩ベクトルの推定手法は，妥当な手法で
あったと言える．
楽曲の試聴による色彩印象と推定された楽曲の色彩印象の比較
手法 2（6.6.2 節における θ の値が 0.6 の場合）によって推定された楽曲色彩ベクト
ルと，人間が楽曲の試聴から想起した色彩印象（i.e., 6.8.1 節で作成したクエリ色彩
ベクトル）が，どの程度，類似しているかを確認する．
比較は Pearson の積率相関係数 r を求めることによって行う．すなわち，評価用
楽曲 mi (i = 1, ..., 50) に関して，手法 2 によって推定された mi の楽曲色彩ベクトル
の色彩 cj (j = 1, ..., 35) に対応する要素の値を xij ，楽曲の試聴から得られた mi の色
彩ベクトル（i.e., 6.8.1 節で作成した mi のクエリ色彩ベクトル）の色彩 cj に対応す
る要素の値を yij として，楽曲 mi における変数 x と y に関する相関係数 r を求める．
この比較によって得られた，相関係数 r の分布を表 6.5 に示す．表 6.5 において，
中央列の数値は左端列に示す範囲の相関係数となった楽曲数を表し，右端列の数値
は左端列に示す範囲の相関係数となった楽曲のうち，有意確率 5% 水準（両側）を
満たす楽曲数を表す．本節では，色彩ベクトルの各要素の値によって相関係数を求
めているため，相関係数の導出に用いたサンプルサイズは 35 である．したがって，
相関係数の検定（両側）における棄却の限界値は 0.3338 である．
Pearson の積率相関係数は，0.2 以上の場合に相関関係があるとされている [42]．し
たがって，表 6.5 から分かるように，評価用楽曲 50 曲中 46 曲に相関関係が見られ
た．このうち，有意確率 5% 水準（両側）を満たす楽曲に限定した場合でも，50 曲
中 37 曲に相関関係が見られた．この結果は，手法 2 によって推定された楽曲色彩ベ
クトルと人間が楽曲の試聴から想起した色彩印象の間に相関関係があることを示唆
84
表 6.5: 楽曲の試聴による色彩印象と推定された楽曲の色彩印象の比較結果
相関係数 r
0.9 ≤ r
0.8 ≤ r
0.7 ≤ r
0.6 ≤ r
0.5 ≤ r
0.4 ≤ r
0.3 ≤ r
0.2 ≤ r
0.1 ≤ r
0.0 ≤ r
楽曲数
≤ 1.0
< 0.9
< 0.8
< 0.7
< 0.6
< 0.5
< 0.4
< 0.3
< 0.2
< 0.1
3
3
6
12
4
7
3
8
2
2
p < .05
3
3
6
12
4
7
2
0
0
0
している．したがって，本研究の提案手法による楽曲色彩ベクトルの推定結果は良
好であったと言える．参考のため，全ての評価用楽曲に関する，これらの相関係数
の詳細を，付録 G に記載しておく．
6.9
本章のまとめ
本章では，歌詞の分析に基づく，色彩をクエリとする楽曲検索手法を提案した．提
案手法は，楽曲の歌詞に含まれる色彩と結びつきのある単語の歌詞中の頻度，色彩
想起確率，および，影響度に基づいて，楽曲の試聴から想起される色彩を推定する
手法である．
本章では，この提案手法を計算機に実装し，試作した楽曲検索システムのパフォー
マンスを評価した結果，提案手法による，楽曲の試聴から想起される色彩の推定結
果は良好であることを確認した．これにより，歌詞の解析によって，色彩をクエリ
とする楽曲検索が有効であることを示し，感性情報を用いた新しい楽曲検索手法を
提案するという，本研究の目的を果たした．
85
第 7 章 結論
7.1
本論文のまとめ
近年，情報メディアの普及はますます拡大し，それに伴うユーザの情報検索要求
は多様化している．多様化する情報検索技術の 1 つとして楽曲検索がある．社団法
人日本レコード協会による音楽メディアユーザ実態調査では，インターネット有料
音楽配信購入率は年々増加しており，2009 年の購入率は 2006 年の 2 倍以上であった
と報告されている．これに伴い，我々がインターネット配信を通して購入可能な楽
曲数は膨大な数となり，我々が多種多様な楽曲に触れる機会は非常に多くなってい
る．その反面，大量の楽曲データの中から，ユーザの所望する楽曲を適切に検索す
ることは，楽曲検索技術全般の大きな課題と言える．このような背景から，1 章で
は，本研究の目的が．感性情報を利用した新しい楽曲検索手法の提案であることを
述べた．
2 章では，これまで提案されている楽曲検索技術を，楽曲の音響的な特徴に焦点
を当てた手法と感性情報に焦点を当てた手法に大別し，それぞれの手法における問
題点について述べた．楽曲の音響的な特徴に焦点を当てた手法では，楽曲の音響的
な“ 高さ ”，
“ 強さ ”，
“ 長さ ”，あるいは，スペクトル特徴量などを用いて，クエリ
として入力された音源に類似する楽曲，あるいはクエリとして入力された音源に類
似する部分を含む楽曲を検索するというアプローチが行われている．このような手
法は，検索したい楽曲のメロディはなんとなく覚えているが，その楽曲の属性情報
（i.e., タイトルやアーティスト名など）が分からないようなユーザにとって有益な
楽曲検索技術である．しかし，この楽曲検索技術は，あらかじめ検索したい楽曲が
決まっているユーザにとっては有益であるが，特に明確な楽曲の検索を目的とせず，
漠然とユーザの気分や好みに合った楽曲を検索したい場合には有効ではない．また，
目的とする楽曲があらかじめ決まっているため，ユーザの知らない楽曲を新しく発
見するという意外性という側面を持たない．一方，感性情報に焦点を当てた手法で
は，ユーザの嗜好，あるいは，ユーザの所望する楽曲の印象を表す感性語あるいは
感性語に対する評価尺度をクエリとすることで，明確な楽曲を検索する目的ではな
い場合でも楽曲を検索することができる．このため，この手法は，ユーザの知らな
い楽曲を提供することができるという意外性を含んでいるが，感性語あるいは感性
語に対する評価尺度を用いる場合，クエリとして入力する情報は，楽曲試聴時にお
けるユーザの心的状態であり，漠然とした心的状態を明確に表現するのは困難であ
る．また，ユーザの嗜好を基に楽曲検索を行う手法の場合，ユーザの嗜好から外れ
た楽曲は検索されず，ユーザは自分の嗜好以外の楽曲を自由に検索できないという
86
問題がある．以上から，感性情報を利用した新しい楽曲検索手法の必要性を述べた．
3 章では，2 章で述べた，感性情報を用いた新しい楽曲検索手法を提案するために，
楽曲検索における色彩の利用を検討した．本研究では，まず，楽曲検索における色
彩の利用を検討するために，特定の音刺激に対して特定の色彩を知覚するという色
聴の研究に着目した．しかし，色聴保持者がある音刺激に対して知覚する色彩には，
個人内には規則性や再現性があるものの，それぞれの色聴保持者の間に一貫した規
則があるかどうか，という点に関しては，未だ研究途上であり，先行研究から得ら
れた知見を直接利用するのは困難であることを述べた．次に，本研究は，音楽や色
彩に関する特別な訓練を受けていない一般的な被験者を対象として，楽曲と色彩の
結びつきに関する調査を行った研究に着目した．その結果，先行研究によって，音
楽や色彩に関する特別な訓練を受けていない一般的な被験者においては，色聴保持
者のように，楽曲の試聴と色彩を直接的に対応させるのではなく，例えば，
“ ある楽
曲の試聴からジャングルや森を想起することで緑を想起する ”といったように，楽
曲の試聴からの具体的なシーン想起を介することで色彩を想起するというプロセス
が働いていると報告されていることを述べた．このプロセスを応用すれば，楽曲検
索における感性情報として，色彩の利用が可能になるのではないかと指摘した．
4 章では，経験に基づくシーン想起に着目して，楽曲検索における色彩の利用を検
討することの妥当性を，人間の認知のあり方が反映される言語の意味の生成や理解
に関する研究を通して確認した．具体的には，ある感覚モダリティに属する語が別
の感覚モダリティに属する語を修飾する共感覚比喩という言語表現の理解プロセス
に関する研究を通して，妥当性を検証した．その結果，共感覚比喩の理解では，共
感覚比喩を構成する喩辞（i.e, 形容詞）と被喩辞（i.e., 名詞）の顕著な特徴が，直接
的ではなく，間接的に用いられていることを明らかにした．さらに，共感覚比喩か
らの連想語を，シーン想起によって説明可能なものとそうでないものに分類した結
果，シーン想起によって説明可能な連想語が，そうでないものよりも，統計的に有
意に多いことを確認した．この研究によって，これまで経験に基づくシーン想起の
重要性を心理実験によって検証されていなかった共感覚比喩においてさえ，経験に
基づくシーン想起というプロセスが重要な役割を果たしているということを示した．
これにより，楽曲と色彩を結ぶ認知メカニズムとして経験に基づくシーン想起を重
視した楽曲検索技術の検討は妥当なアプローチである，ということを確認した．
5 章では，
“ 歌詞に記述された具体的なシーンから色彩を想起しているのであれば，
少なくとも，歌詞付きの楽曲の試聴によって想起される色彩と歌詞のみの提示によっ
て想起される色彩には相関関係がある ”という仮説を立て，楽曲の試聴によって想
起される色彩と歌詞のみの提示によって想起される色彩を心理実験によって収集し
た．収集されたそれぞれの色彩を比較した結果，楽曲の試聴によって想起される色
彩と歌詞のみの提示によって想起される色彩には相関関係があることを確認した．
さらに，歌詞のみの提示によって色彩を想起する際に，被験者が影響を受けた歌詞
中の箇所を分析した結果，句や文のように複数の品詞で構成されるものよりも，単
独の品詞が回答として頻出していたことが分かった．このことから，歌詞から色彩
を想起する際に重要な役割を果たす手がかり語が存在し，さらに，歌詞のみの提示
87
から色彩を想起するために被験者が用いる情報はこの手がかり語が中心である，と
いうことを明らかにした．この結果から，手がかり語から想起される色彩を調査し，
データベースとして蓄積しておけば，歌詞に含まれる手がかり語，および，その手
がかり語の歌詞中の頻度などを基に，歌詞から想起される色彩を推定することが技
術的に実現可能ではないかと述べた．すなわち，歌詞の解析によって楽曲の試聴か
ら想起される色彩を推定できる可能性を示した．
6 章では，歌詞の分析に基づいて色彩をクエリとする楽曲検索手法に関して，具体
的な手法を提案し，計算機に実装した．本研究で提案した手法では，ある楽曲の試
聴から想起される色彩想起確率を，その楽曲の歌詞に含まれる色彩と結びつきのあ
る単語の情報（i.e., 歌詞中の頻度，影響度，色彩ベクトル）を用いて推定する．提案
手法は，クエリとして与えられた色彩の配色割合と推定された楽曲の色彩想起確率
を比較し，クエリに対する類似度の高い色彩想起確率を持つ楽曲を，検索結果とし
て出力する手法である．提案手法では，色彩と結びつきのある単語として，心理実
験によって得られたプリミティブワードの情報と，コーパスとプリミティブワード
の情報から推定された未知語の情報を想定した．提案手法の性能評価の結果，色彩
と結びつきのある単語として，プリミティブワードのみを考慮する場合よりも，プ
リミティブワードと未知語の両方を考慮する場合のほうが，高い性能であることが
示された．また，プリミティブワードと未知語の両方を考慮して推定された楽曲の
色彩想起確率は，心理実験によって楽曲の試聴から得られた色彩想起確率と相関が
あることを確認した．以上から，歌詞の解析に基づいて，色彩をクエリとする楽曲
検索が有効であるということを示した．すなわち，感性情報を利用した新しい楽曲
検索手法を提案するという，本研究の目的を果たした．
7.2
7.2.1
今後の課題と展望
今後の課題
プリミティブワードの充実
6.8.4 節で述べたように，提案手法の性能評価の結果，未知語に関する影響度と色
彩ベクトルの推定が，検索性能の向上に貢献していた．しかし，このことは，本研
究で用いたプリミティブワード以外にも，色彩の想起に重要な，色彩と結びつきの
ある単語が存在することを示唆している．未知語の情報が推定値であることを考慮
すれば，プリミティブワードとして扱える単語が多いほど，楽曲色彩ベクトルの推
定は適切に行えると考えられる．また，6.6.2 節の説明から分かるように，未知語の
影響度と色彩ベクトルの推定は，未知語との類似度が閾値 θ(> 0) 以上であるプリミ
ティブワードの情報を用いて行われる．したがって，未知語の影響度と色彩ベクト
ルの推定のために用いるプリミティブワードが多いほど，未知語の影響度と色彩ベ
クトルの推定は適切に行えると考えられる．以上から，プリミティブワードの充実
が今後の課題として挙げられる．
88
この課題を解決する方法として，例えば，親密度の高い語彙のうち歌詞に頻出す
るものを調査することで，プリミティブワードの充実を行うということが考えられ
る．ただし，新密度の高い語彙に関する影響度や色彩ベクトルを，歌詞だけでなく
新聞コーパスや Web 上のテキスト情報にも頻出するものを中心に調査できれば，楽
曲検索という分野だけでなく，テキスト情報と色彩を結びつける様々な分野におい
て利用可能なデータベースになると期待できる．
提案手法と音響特徴を利用した手法の比較検討
本論文では，楽曲の試聴から想起される色彩を歌詞の解析から推定できる，とい
うことを示したが，提案手法の評価において，提案手法と音響特徴を利用した手法
の比較検討が課題として挙げられる．しかし，この比較を行うには，既存の歌詞付
き楽曲から歌詞に関する情報をどのように取り除くかという点が問題となる．例え
ば，カラオケ用音源や，楽曲データからボーカル部分をフィルタリングした音源に
は，本来であれば主となるメロディラインが含まれていない．したがって，このよ
うな音源を比較のために使用することは適切ではない．また，楽曲データからボー
カル部分を正確にフィルタリングすることは非常に困難な作業である．
ここで，多くの日本人が，洋楽を試聴する際に歌詞を正確に理解していないので
あれば，この課題を解決する方法として，洋楽の利用が考えられる．したがって，本
研究の提案手法を洋楽に拡張すれば，提案手法と音響特徴を利用した手法の比較検
討が可能になると考えられる．
ユーザの満足度に関する検討
本論文の提案手法は，ユーザが明確な楽曲の検索を目的としない場合を想定した
楽曲検索手法である．本論文では，6.8 節において，再現率，適合率，F 尺度によっ
て提案手法の評価を行った．この評価方法は，ユーザが明確な楽曲の検索を目的とす
る場合に有効な評価方法であるが，明確な楽曲の検索を目的としない場合には，検
索結果に対してユーザがどの程度満足するかという尺度によって評価することも重
要である．
以上から，本論文によって，歌詞の解析によって色彩をクエリとする楽曲検索手
法が実現可能であることが明らかになったが，今後，提案手法に対するユーザの満
足度を評価するための心理実験を行い，改めて，提案手法を評価することが課題で
ある．また，ユーザが検索結果に満足しなかった場合，ユーザの評価をシステムに
フィードバックし，色彩ベクトルの推定をユーザ毎に最適化できるように，提案手
法を改良したアルゴリズムの開発が課題として挙げられる．
7.2.2
今後の展望
本研究で試作したシステムは，クエリとして色彩の配色割合を用いているが，色
彩の配色割合さえ得られれば，どのような形式のクエリにも対応可能である．例え
89
ば，クエリとして画像や映像を用いることも可能である．したがって，提案手法は，
Web ページに表示されている画像に適した BGM を自動演奏したり，広告の色彩に
基づいて，広告に適した楽曲を自動演奏するようなツールとして利用可能である．
本研究では，色彩をクエリとした楽曲検索手法を提案したが，この提案手法では，
楽曲によって想起される色彩の想起確率を推定している．このプロセスを逆に辿れ
ば，歌詞付きの楽曲をクエリとして，そこから想起される色彩を想起確率の高い順
に提示することができる．このことは，本研究の提案手法を，例えば，カラオケ店
等においてユーザが歌っている楽曲に合わせて照明の色彩を自動的に変化させたり，
イベント会場で流れている楽曲に合わせて照明の色彩を自動的に変化させることで，
ユーザあるいはイベント参加者の気分をさらに盛り上げるためのツールとして応用
可能であることを意味している．
上記に示した応用が可能なのは，本研究の提案手法の本質が，テキスト情報と色
彩情報を結びつけていることによるためである．すなわち，テキスト情報から想起
される色彩を推定するということが提案手法の核である．このことは，本研究の提
案手法を，上述の自動照明ツールだけでなく，例えば，スライドに記述されている
テキスト情報に合わせてスライドの背景色を推薦する支援ツール，ブログや電子書
籍の記事内容に合わせて最適な色彩の装飾を推薦する支援ツール，電子書籍あるい
は電子文書の内容に合わせた色彩を自動的に選択する電子付箋ツールなどに応用可
能であることを意味している．すなわち，本研究で提案した楽曲検索技術は，楽曲
検索という特定の分野に特化した技術ではなく，テキスト情報と色彩を結びつける
あらゆる分野において応用可能な技術であると言える．したがって，今後も継続し
て研究を行うことで，本研究は，様々な分野における工学的な貢献を果たすことが
期待できると言える．
90
謝辞
本研究を博士論文としてまとめる機会を与えていただくと共に，非常に多くのご
指導ならびにご助言をいただいた，坂本真樹准教授に心から感謝を申し上げます．
本研究を進める上で，非常に多くのご助言をいただいた，内海彰准教授に心から
感謝を申し上げます．
本論文の審査過程において，数々のご助言を賜りました，兼子正勝教授，吉浦裕
教授，梶本裕之准教授に心から感謝を申し上げます．
本研究において多くのご協力を頂いた坂本研究室の方々，本研究で実施した実験
に御協力して頂いた被験者の方々に感謝を申し上げます．
最後に，本研究に至るまでの学業および研究活動に従事する機会を与えていただ
くと共に，精神的に支えていただいた私の家族，特に私の両親に心から感謝を申し
上げます．
91
参考文献
[1] A.H. Becker. Emergent and common features influence metaphor interpretation.
Metaphor and Symbol, Vol. 12, No. 4, pp. 243–259, 1997.
[2] B.F. Bowdle and D.Gentner. The career of metaphor. Psychological Review,
Vol. 112, No. 1, pp. 193–216, 2005.
[3] 千々岩英彰. 色彩学概説. 東京大学出版会, 東京, 2001.
[4] R.E. Cytowic. Synaesthesia: a union of the senses. MIT Press, Cambridge,
MA, 2002.
[5] 藤原弘将, 後藤真孝. Vocalfinder：声質の類似度に基づく楽曲検索システム. 情
報処理学会研究報告（音楽情報科学）, Vol. 2007, No. 81, pp. 27–32, 2007.
[6] D. Gentner, B.F. Bowdle, P. Wolff, and C. Boronat. Metaphor is like analogy. In D. Centner, K.J. Holyoak, and B.N. Kokinov, editors, The Analogical
Mind: PERSPECTIVES FROM COGNITIVE SCIENCE. MIT Press, Cambridge, MA, 2001.
[7] A. Ghias, J. Logan, D. Chamberlin, and B.C. Smith. Query by humming:
Musical information retrieval in an audio database. In Proc. of ACM Multimedia
95, pp. 231–236, 1995.
[8] S. Glucksberg. Understanding figurative language: from metaphors to idioms.
Oxford University Press, Oxford, 2001.
[9] S. Glucksberg and B. Keysar. Understanding metaphorical comparisons: beyond similarity. Psychological Review, Vol. 97, No. 1, pp. 3–18, 1990.
[10] S. Glucksberg, M.S. McGlone, and D. Manfredi. Property attribution in
metaphor comprehension. Journal of Memory and Language, Vol. 36, pp. 50–67,
1997.
[11] J.E. Grady. A typology of motivation for conceptual metaphor -correlation
vs. resemblance-. In R. W. Gibbs and G. R. Steen, editors, Metaphor in Cognitive Linguistics, pp. 79–100. John Benjamins Publishing Company, Amsterdam/Philadelphia, 1997.
92
[12] K. Hoashi, H. Ishizaki, K. Matsumoto, and F. Sugaya. Content-based music
retrieval using query integration for users with diverse preferences. In Proceedings of the 8th International Conference on Music Information Retrieval, pp.
463–466, 2007.
[13] 帆足啓一郎, 井ノ上直己. ユーザの音楽嗜好に基づく音楽情報検索手法. 情報処
理学会研究報告（音楽情報科学）, Vol. 2003, No. 16, pp. 79–84, 2003.
[14] 池原悟, 宮崎正弘, 白井諭, 横尾昭男, 中岩浩巳, 小倉健太郎, 大山芳史, 林良彦
（編）. 日本語語彙大系. 岩波書店, 東京, 1997.
[15] 池添剛, 梶川嘉延, 野村康雄. 形容詞対を用いた音楽データベース検索システム.
情報処理学会研究報告（音楽情報科学）, Vol. 1999, No. 106, pp. 7–14, 1999.
[16] 池添剛, 梶川嘉延, 野村康雄. 音楽感性空間を用いた感性語による音楽データベー
ス検索システム. 情報処理学会論文集, Vol. 42, No. 12, pp. 3201–3212, 2001.
[17] 石先広海, 帆足啓一郎, 菅谷史昭, 甲藤二郎. ユーザ嗜好に基づく音楽情報検索
システムにおける学習データ抽出法. 情報処理学会研究報告（音楽情報科学）,
Vol. 2006, No. 19, pp. 73–78, 2006.
[18] L.L. Jones and Z. Estes. Roosters, robins, and alarm clocks: aptness and
conventionality in metaphor comprehension. Journal of Memory and Language,
Vol. 55, pp. 18–32, 2006.
[19] 梶克彦, 平田圭二, 長尾確. 状況と嗜好に関するアノテーションに基づくオンラ
イン楽曲推薦システム. 情報処理学会研究報告（音楽情報科学）, Vol. 2004, No.
127, pp. 33–38, 2004.
[20] 川越聡, 神酒勤. カラーイメージからの色情報に基づく感性情報の抽出. 映像情
報メディア学会技術報告, Vol. 27, No. 22, pp. 5–8, 2003.
[21] 北研二, 津田和彦, 獅々堀正幹. 情報検索アルゴリズム. 共立出版, 東京, 2002.
[22] 小林重信（他）（編）. カラーイメージ事典. 講談社, 東京, 1987.
[23] 小林重信, 日本カラーデザイン研究所（編）. カラーイメージスケール. 講談社,
東京, 2000.
[24] 熊本忠彦, 太田公子. 印象に基づく検索のための印象語選定法の提案. 情報処理
学会論文誌, Vol. 44, No. 7, pp. 1808–1811, 2003.
[25] 熊本忠彦, 太田公子. 感性検索シーンにおける自然言語ＩＦとＧＵＩの比較評
価. 電子情報通信学会技術報告（言語理解とコミュニケーション）, Vol. 103,
No. 407, pp. 1–6, 2003.
93
[26] 熊本忠彦, 太田公子. 印象に基づく楽曲検索システムの設計・構築・公開. 人工
知能学会誌, Vol. 21, No. 3, pp. 310–318, 2006.
[27] 黒瀬崇弘, 梶川嘉延, 野村康雄. 試聴履歴を用いた楽曲推薦システム. 電子情報
通信学会技術報告（ヒューマン情報処理）, Vol. 103, No. 521, pp. 41–44, 2003.
[28] 楠見孝. 共感覚に基づく形容表現の理解過程について -感覚形容語の通様相的
修飾-. 心理学研究, Vol. 58, No. 6, pp. 373–380, 1988.
[29] 楠見孝. 比喩の処理過程と意味構造. 風間書房, 東京, 1994.
[30] 桑原明, 加藤俊一. 配色事例のデータベース化と色彩感性情報処理への応用
colour coordinator の開発. 情報処理学会研究報告（データベース・システム研
究会報告）, Vol. 94, No. 30, pp. 89–96, 1994.
[31] G. Lakoff and M. Johnson. Metaphors we live by. The University of Chicago
Press, Chicago, 1980.
[32] T.K. Landauer and S.T. Dumais. A solution to plato’s problem: The latent
semantic analysis theory of the acquisition, induction, and representation of
knowledge. Psychological Review, Vol. 104, pp. 211–240, 1997.
[33] T.K. Landauer, D.S. McNamara, S. Dennis, and W. Kintsch, editors. Handbook
of Latent Semantic Analysis. Lawrence Erlbaum Associates, London, 2007.
[34] R.W. Langacker. Settings, Participants, and Grammatical Relations. Routledge, London, 1990.
[35] H.H. Martin. Computer understanding of conventional metaphoric language.
Cognitive Science, Vol. 16, pp. 233–270, 1992.
[36] 松本曜（編）. 認知意味論. 大修館書店, 東京, 2003.
[37] 武藤彩加. 9 つの言語における「共感覚的比喩」−「視覚を表す語」と「触覚を
表す語」を中心に. 日本認知言語学会論文集, pp. 181–190, 2009.
[38] 永野秀尚. 2 値多重音響特徴ベクトルを用いた類似音楽探索法の頑健性評価. 情
報処理学会研究報告（音楽情報科学）, Vol. 127, pp. 39–44, 2004.
[39] 長田典子, 岩井大輔, 津田学, 和氣早苗, 井口征士. 音と色のノンバーバルマッ
ピング–色聴保持者のマッピング抽出とその応用–. 電子情報通信学会論文誌 A,
Vol. J86–A, No. 11, pp. 1219–1230, 2003.
[40] 日本カラーデザイン研究所（編）. 新・カラーイメージ事典. 講談社, 東京, 1987.
[41] 大石康智, 後藤真孝, 伊藤克亘, 武田一哉. 音声だけでシームレスにハミング検
索と曲名検索が可能な楽曲検索システム. 情報処理学会研究報告（音楽情報科
学）, Vol. 2006, No. 113, pp. 3–8, 2006.
94
[42] 小塩真司. SPSS と Amos による心理・調査データ解析. 東京図書, 東京, 2004.
[43] E. Roschi and B.L. Lloyd, editors. Principles of Categorization. John Wiley,
New York, 1978.
[44] M. Sakamoto and A. Utsumi. Cognitive effects of synesthetic metaphors evoked
by the semantic interaction. In Proceeding of the 31st Annual Meeting of the
Cognitive Science Society, pp. 1593–1598, 2009.
[45] 坂本真樹, 鎌田静一. 音楽と色彩の連想メカニズムに関する研究. 日本認知科学
会第 24 回大会発表論文集, pp. 184–187, 2007.
[46] 白石学. 旋律に対する視覚的要素–旋律の構成要素別による視覚化および情緒反
応の研究. 芸術工学会 日韓国際論文集, Vol. 21, pp. 119–124, 1999.
[47] 杉原太郎, 森本一成, 黒川隆夫. ユーザの心理的距離を考慮した音楽感性検索シ
ステムの開発. 電子情報通信学会技術研究報告 （ヒューマン情報処理）, Vol.
103, No. 521, pp. 45–50, 2003.
[48] 杉原太郎, 森本一成, 黒川隆夫. ｍ–ＲＩＫ：個人の感性特性に対応可能な音楽
検索システム. 情報処理学会論文集, Vol. 46, No. 7, pp. 1560–1570, 2005.
[49] 谷口一美. 認知意味論の新展開 メタファーとメトニミー. 大修館書店, 東京,
2003.
[50] J.R. Taylor. Linguistic categorization. Oxford University Press, Oxford, 2003.
[51] R. Tourangeau and R. Sternberg. Understanding and appreciating metaphors.
Cognition, Vol. 11, pp. 203–244, 1982.
[52] 辻幸夫（編）. 認知言語学キーワード事典. 研究社, 東京, 2001.
[53] S. Ullmann. The principles of semantics. Blackwell, Oxford, 1951.
[54] A. Utsumi and M. Sakamoto. Computational evidence for two-stage categorization as a process of adjective metaphor comprehension. In Proceedings of
the 2nd European Cognitive Science Conference, pp. 77–82, 2007.
[55] 内海彰, 坂本真樹. 形容詞メタファーは２段階カテゴリー化で理解される–計算
機シミュレーションによる検討–. 人工知能学会第 24 回ことば工学研究会資料,
pp. 13–20, 2006.
[56] M. Werning, J. Fleischhauer, and H. Beşeoğlu. The cognitive accessibility of
synaesthetic metaphors. In Proceedings of the 28th Annual Conference of the
Cognitive Science Society, pp. 2365–2370, 2006.
[57] J.M. Williams. Synesthetic adjectives: a possible law of semantic change. Language, Vol. 52, No. 2, pp. 461–478, 1976.
95
[58] 山梨正明. 比喩と理解. 東京大学出版会, 東京, 2003.
[59] 山脇一宏, 椎塚久雄. 音楽とカラーイメージの類似性について. 情報処理学会研
究報告（音楽情報科学）, Vol. 2002, No. 100, pp. 105–109, 2002.
[60] 山脇一宏, 椎塚久雄. 音感と色聴感覚. 感性工学研究論文集：感性工学, Vol. 5,
No. 3, pp. 31–37, 2005.
[61] K. Yohshii, M. Goto, K. Komatani, T. Ogata, and H.G. Okuno. An efficient hybrid music recommender system using an incrementally trainable probabilistiec
generative model. IEEE Transactions on audio, speech, and language processing, Vol. 16, No. 2, pp. 435–447, 2008.
[62] 吉井和佳, 後藤真孝, 駒谷和範, 尾形哲也, 奥乃博. ユーザの評価と音響的特徴と
の確率的統合に基づくハイブリッド型楽曲検索. 情報処理学会研究報告（音楽
情報科学）, Vol. 2006, No. 90, pp. 45–52, 2006.
[63] N. Yu. Synesthetic metaphor: a cognitive perspective. Journal of literaty
semantics, Vol. 32, No. 1, pp. 19–34, 2003.
96
付 録A
心理実験に使用した楽曲
5 章で行った心理実験に使用した楽曲の一覧を，表 A.1 に示す．
表 A.1: 心理実験に使用した楽曲の一覧（順不同，敬称略）
タイトル
歌手名
三日月
日々、割れた日々
C’EST LA VIE
やめないで,PURE
陽だまりドライブ
乗車権
少年花火
あなたにサラダ
クリスマス・ラブ
（涙のあとには白い雪が降る）
pray
キモチ
外は白い雪の夜
すみれ色の涙
ebullient future (Japanese)
SHA-LA-LA
ONE SURVIVE
春風に乱れて
彼女と TIP ON DUO
自転車
snow drop
Happy Xmas
Dreams Come True
野狐禅
CHEMISTRY
KinKi Kids
朝倉由夢（堀江由衣）
BUMP OF CHICKEN
野狐禅
Dreams Come True
サザンオールスターズ
ソレゾレ
まっ黒 K3
Hello! Orange Sunshine
Romeo ∼ Cosmic ☆ Picnic
ELISA
Every Little Thing
吉田拓郎
岩崎宏美
ELISA
I WiSH
中島美嘉
小田和正
今井美樹
JUDY AND MARY
愛内里菜
あむ with ラン・ミキ・スゥ
（伊藤かな恵，阿澄佳奈，加藤奈々絵，豊崎愛生）
清水翔太
TUBE
JUDY AND MARY
THE ALFEE
次ページに続く
97
前ページの続き
タイトル
歌手名
Spring has come
さらば青春の光
水の中の Answer
Only You 君と夏の日を
FOREVER YOURS
あなたを感じていたい
センチメンタル
雨に濡れて
鮮やかなもの
緑の町に舞い降りて
SUMMER DREAM
慕情
さよならの雨
ミドリ
いつか
DAYDREAM
No limit
妹
落陽
赤とんぼ
子犬
湘南盆踊り
白い雪そんな雪が私は好き
生まれたての白
不完全熱唱
雪が降る日に
閃光
夏を抱きしめて
Boyfriend
晴れたらいいね
1985 年 Factory Street 夏
RETURN TO THE MOON
情熱
愛は嫉妬
空に近い週末
鈍色の青春
rino
布袋寅泰
杉山清貴
TUBE
Every Little Thing
ZARD
ゆず
ZARD
Every Little Thing
松任谷由実
TUBE
サザンオールスターズ
I WiSH
GReeeeN
ゆず
JUDY AND MARY
Every Little Thing
かぐや姫
吉田拓郎
くず
GReeeeN
TUBE
TULIP
KOKIA
野狐禅
かぐや姫
THE ALFEE
TUBE
Crystal Kay
DREAMS COME TRUE
福山雅治
CONSTRUCTION NINE
TUBE
美川憲一
今井美樹
野狐禅
次ページに続く
98
前ページの続き
タイトル
歌手名
永遠
サマーブリーズにのって
君のとなり
monochrome
世界のほんの片隅から
ひまわり
SUNNY DAY
北極星
December
青の時代
Shapes Of Love
悲しみの傘
サヨナラ言えなくて
愛のカケラ
そのスピードで
ひまわり
Blame
雪に咲く花
ゆりかごのある丘から
ZARD
I WiSH
橋本みゆき
浜崎あゆみ
ZONE
TUBE
MISIA
ゴスペラーズ
I WiSH
KinKi Kids
Every Little Thing
ゆず
ZARD
Every Little Thing
the brilliant green
霜月はるか
L ’Arc∼en∼Ciel
川嶋あい
Mr.Children
99
付 録B
楽曲の試聴による色彩と歌詞のみの
提示による色彩の相関係数（心理実
験で使用した 35 色彩に関する結果）
5.3.1 節において求めた，心理実験で使用した各色彩に関する楽曲の試聴による色
彩と歌詞のみの提示による色彩の Pearson の積率相関係数の一覧を表 B.1 に示す．な
お，楽曲名や歌手名に関しては，紙幅の都合により適宜省略している場合がある．
表 B.1: 心理実験に使用した楽曲の 35 色に関する相関係
数一覧（表 A.1 の順，敬称略）
タイトル（歌手名）
相関係数
三日月（Dreams Come True）
日々、割れた日々（野狐禅）
C’EST LA VIE（CHEMISTRY）
やめないで,PURE（KinKi Kids）
陽だまりドライブ（朝倉由夢（堀江由衣））
乗車権（BUMP OF CHICKEN）
少年花火（野狐禅）
あなたにサラダ（Dreams Come True）
クリスマス・ラブ（サザンオールスターズ）
pray（ELISA）
キモチ（Every Little Thing）
外は白い雪の夜（吉田拓郎）
すみれ色の涙（岩崎宏美）
ebullient future (Japanese)（ELISA）
SHA-LA-LA（I WiSH）
ONE SURVIVE（中島美嘉）
春風に乱れて（小田和正）
彼女と TIP ON DUO（今井美樹）
自転車（JUDY AND MARY）
snow drop（愛内里菜）
Happy Xmas（あむ with ラン・ミキ・スゥ）
0.3122
0.2828
0.2388
0.1853
0.4311
0.7580
0.1154
0.5608
0.6876
0.8308
0.6565
0.1559
0.5976
0.2775
0.8159
0.3833
0.2566
0.1576
0.6113
0.4978
0.6256
次ページに続く
100
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
n.s.
n.s.
n.s.
n.s.
p < .01
p < .01
n.s.
p < .01
p < .01
p < .01
p < .01
n.s.
p < .01
n.s.
p < .01
p < .05
n.s.
n.s.
p < .01
p < .01
p < .01
前ページの続き
タイトル（歌手名）
相関係数
ソレゾレ（清水翔太）
まっ黒 K3（TUBE）
Hello! Orange Sunshine（JUDY AND MARY）
Romeo ∼ Cosmic ☆ Picnic（THE ALFEE）
Spring has come（rino）
さらば青春の光（布袋寅泰）
水の中の Answer（杉山清貴）
Only You 君と夏の日を（TUBE）
FOREVER YOURS（Every Little Thing）
あなたを感じていたい（ZARD）
センチメンタル（ゆず）
雨に濡れて（ZARD）
鮮やかなもの（Every Little Thing）
緑の町に舞い降りて（松任谷由実）
SUMMER DREAM（TUBE）
慕情（サザンオールスターズ）
さよならの雨（I WiSH）
ミドリ（GReeeeN）
いつか（ゆず）
DAYDREAM（JUDY AND MARY）
No limit（Every Little Thing）
妹（かぐや姫）
落陽（吉田拓郎）
赤とんぼ（くず）
子犬（GReeeeN）
湘南盆踊り（TUBE）
白い雪そんな雪が私は好き（TULIP）
生まれたての白（KOKIA）
不完全熱唱（野狐禅）
雪が降る日に（かぐや姫）
閃光（THE ALFEE）
夏を抱きしめて（TUBE）
Boyfriend（Crystal Kay）
晴れたらいいね（DREAMS COME TRUE）
1985 年 Factory Street 夏（福山雅治）
RETURN TO THE MOON（CONSTRUCTION NINE）
0.3320
0.6857
0.7751
0.1653
0.7908
0.6763
0.6438
0.8588
0.7258
0.3747
0.5402
0.5728
0.5270
0.5939
0.7574
0.6399
0.1880
0.4759
0.5885
0.6862
0.6363
0.2352
0.5392
0.7875
0.6282
0.7327
0.4082
0.8041
0.8328
0.4897
0.3581
0.2840
0.6751
0.5353
0.4851
0.3908
次ページに続く
101
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
n.s.
p < .01
p < .01
n.s.
p < .01
p < .01
p < .01
p < .01
p < .01
p < .05
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
n.s.
p < .01
p < .01
p < .01
p < .01
n.s.
p < .01
p < .01
p < .01
p < .01
p < .05
p < .01
p < .01
p < .01
p < .05
n.s.
p < .01
p < .01
p < .01
p < .05
前ページの続き
タイトル（歌手名）
相関係数
情熱（TUBE）
愛は嫉妬（美川憲一）
空に近い週末（今井美樹）
鈍色の青春（野狐禅）
永遠（ZARD）
サマーブリーズにのって（I WiSH）
君のとなり（橋本みゆき）
monochrome（浜崎あゆみ）
世界のほんの片隅から（ZONE）
ひまわり（TUBE）
SUNNY DAY（MISIA）
北極星（ゴスペラーズ）
December（I WiSH）
青の時代（KinKi Kids）
Shapes Of Love（Every Little Thing）
悲しみの傘（ゆず）
サヨナラ言えなくて（ZARD）
愛のカケラ（Every Little Thing）
そのスピードで（the brilliant green）
ひまわり（霜月はるか）
Blame（L ’Arc∼en∼Ciel）
雪に咲く花（川嶋あい）
ゆりかごのある丘から（Mr.Children）
0.4975
0.3866
0.5587
0.7088
0.4107
0.5379
0.8509
0.4244
0.5198
0.7695
0.3812
0.4133
0.4620
0.7330
0.6164
0.4858
0.5359
0.8230
0.3984
0.7778
0.5111
0.6386
0.5908
102
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
p < .01
p < .05
p < .01
p < .01
p < .05
p < .01
p < .01
p < .05
p < .01
p < .01
p < .05
p < .05
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .05
p < .01
p < .01
p < .01
p < .01
付 録C
楽曲の試聴による色彩と歌詞のみの
提示による色彩の相関係数（類似色
でまとめた 13 色彩グループに関する
結果）
5.3.2 節において求めた，心理実験で使用した各色彩を類似色でまとめた 13 色彩
グループに関する楽曲の試聴による色彩と歌詞のみの提示による色彩の Pearson の
積率相関係数の一覧を表 C.1 に示す．なお，楽曲名や歌手名に関しては，紙幅の都
合により適宜省略している場合がある．
表 C.1: 心理実験に使用した楽曲の 13 色彩グループに関
する相関係数一覧（表 A.1 の順，敬称略）
タイトル（歌手名）
相関係数
三日月（Dreams Come True）
日々、割れた日々（野狐禅）
C’EST LA VIE（CHEMISTRY）
やめないで,PURE（KinKi Kids）
陽だまりドライブ（朝倉由夢（堀江由衣））
乗車権（BUMP OF CHICKEN）
少年花火（野狐禅）
あなたにサラダ（Dreams Come True）
クリスマス・ラブ（サザンオールスターズ）
pray（ELISA）
キモチ（Every Little Thing）
外は白い雪の夜（吉田拓郎）
すみれ色の涙（岩崎宏美）
ebullient future (Japanese)（ELISA）
SHA-LA-LA（I WiSH）
ONE SURVIVE（中島美嘉）
春風に乱れて（小田和正）
彼女と TIP ON DUO（今井美樹）
自転車（JUDY AND MARY）
0.2931
0.3664
0.8038
0.3439
0.5779
0.7154
0.3306
0.8141
0.8232
0.9354
0.5840
0.3789
0.8746
0.3662
0.8931
0.3190
0.4065
0.3647
0.5194
次ページに続く
103
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
n.s.
n.s.
p < .01
n.s.
p < .05
p < .01
n.s.
p < .01
p < .01
p < .01
p < .05
n.s.
p < .01
n.s.
p < .01
n.s.
n.s.
n.s.
n.s.
前ページの続き
タイトル（歌手名）
相関係数
snow drop（愛内里菜）
Happy Xmas（あむ with ラン・ミキ・スゥ）
ソレゾレ（清水翔太）
まっ黒 K3（TUBE）
Hello! Orange Sunshine（JUDY AND MARY）
Romeo ∼ Cosmic ☆ Picnic（THE ALFEE）
Spring has come（rino）
さらば青春の光（布袋寅泰）
水の中の Answer（杉山清貴）
Only You 君と夏の日を（TUBE）
FOREVER YOURS（Every Little Thing）
あなたを感じていたい（ZARD）
センチメンタル（ゆず）
雨に濡れて（ZARD）
鮮やかなもの（Every Little Thing）
緑の町に舞い降りて（松任谷由実）
SUMMER DREAM（TUBE）
慕情（サザンオールスターズ）
さよならの雨（I WiSH）
ミドリ（GReeeeN）
いつか（ゆず）
DAYDREAM（JUDY AND MARY）
No limit（Every Little Thing）
妹（かぐや姫）
落陽（吉田拓郎）
赤とんぼ（くず）
子犬（GReeeeN）
湘南盆踊り（TUBE）
白い雪そんな雪が私は好き（TULIP）
生まれたての白（KOKIA）
不完全熱唱（野狐禅）
雪が降る日に（かぐや姫）
閃光（THE ALFEE）
夏を抱きしめて（TUBE）
Boyfriend（Crystal Kay）
晴れたらいいね（DREAMS COME TRUE）
次ページに続く
0.7375
0.8723
0.7685
0.6536
0.8344
0.1797
0.6721
0.8684
0.7331
0.9322
0.7592
0.8109
0.7109
0.9294
0.9169
0.8541
0.8777
0.8258
0.4875
0.6523
0.8514
0.7810
0.9787
0.7765
0.8031
0.9498
0.7912
0.8171
0.8607
0.9812
0.8440
0.8040
0.5136
0.3934
0.8040
0.6820
104
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
p < .01
p < .01
p < .01
p < .05
p < .01
n.s.
p < .05
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
n.s.
p < .05
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
n.s.
n.s.
p < .01
p < .05
前ページの続き
タイトル（歌手名）
相関係数
1985 年 Factory Street 夏（福山雅治）
RETURN TO THE MOON（CONSTRUCTION NINE）
情熱（TUBE）
愛は嫉妬（美川憲一）
空に近い週末（今井美樹）
鈍色の青春（野狐禅）
永遠（ZARD）
サマーブリーズにのって（I WiSH）
君のとなり（橋本みゆき）
monochrome（浜崎あゆみ）
世界のほんの片隅から（ZONE）
ひまわり（TUBE）
SUNNY DAY（MISIA）
北極星（ゴスペラーズ）
December（I WiSH）
青の時代（KinKi Kids）
Shapes Of Love（Every Little Thing）
悲しみの傘（ゆず）
サヨナラ言えなくて（ZARD）
愛のカケラ（Every Little Thing）
そのスピードで（the brilliant green）
ひまわり（霜月はるか）
Blame（L ’Arc∼en∼Ciel）
雪に咲く花（川嶋あい）
ゆりかごのある丘から（Mr.Children）
0.4631
0.5547
0.3646
0.5312
0.9335
0.8304
0.7099
0.8827
0.8895
0.6564
0.9396
0.9329
0.5737
0.7005
0.9231
0.9098
0.5333
0.8597
0.9474
0.9369
0.7326
0.7768
0.7250
0.8781
0.6787
105
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
,
n.s.
p < .05
n.s.
n.s.
p < .01
p < .01
p < .01
p < .01
p < .01
p < .05
p < .01
p < .01
p < .05
p < .01
p < .01
p < .01
n.s.
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .01
p < .05
付 録D
色彩想起に影響を与えた歌詞中の
箇所
5 章における心理実験によって得られた，歌詞のみの提示から色彩を想起する際
に，被験者が影響を受けたと回答したもののうち，回答率の高い上位 50 位までの回
答箇所を表 D.1 に示す．
表 D.1: 色彩想起に影響を与えた歌詞中の箇所（上位 50 位まで）
回答
回答率
回答
回答率
白
三日月
オレンジ
山
プールサイド
赤とんぼ
噴火
闇
ダイヤモンド
日陽し
雪
月明かり
草原
夕陽
菫
白い羽
桜
赤
夜叉
ひまわり
陽だまり
花火
海
海風
日差し
0.9500
0.9333
0.9333
0.9333
0.9000
0.9000
0.9000
0.8333
0.8000
0.7667
0.7593
0.7333
0.7333
0.7083
0.7000
0.7000
0.7000
0.7000
0.7000
0.6833
0.6667
0.6667
0.6667
0.6667
0.6500
雨
排気ガス
サンタクロース
情熱
真っ赤
小川
線香花火
サラダ
イルミネーション
蜃気楼
陽炎
桃色
秋
トマト
太陽
真っ黒
銀河
草
花嫁衣裳
失恋
砂
チョコレート
罪
冬
ガラス
0.6370
0.6333
0.6333
0.6333
0.6333
0.6333
0.6000
0.6000
0.6000
0.6000
0.6000
0.6000
0.6000
0.5667
0.5667
0.5667
0.5667
0.5667
0.5667
0.5667
0.5667
0.5667
0.5667
0.5500
0.5500
106
付 録E
システム評価に使用した楽曲
6 章で行った評価に使用した楽曲の一覧を，表 E.1 に示す．
表 E.1: システム評価に使用した楽曲の一覧（順不同，敬
称略）
タイトル
歌手名
桜坂
シンデレラ・クリスマス
未来予想図
雪の華
Sunny Day Sunday
スノースマイル
明日への扉
DAYS
rain
ドラマチック
夏空グラフィティ
DEPARTURES
ここにしか咲かない花
HIGH PRESSURE
月光浴
SMILY
チェリー
BODY & SOUL
午後のパレード
winter,again
Butterfly
Life is… -anather story少年時代
PRIDE
私とワルツを
桜夜風
福山雅治
KinKi Kids
DREAM COME TRUE
中島美嘉
センチメンタル・バス
BUMP OF CHICKEN
I WiSH
FLOW
アンジェラ・アキ
YUKI
いきものがかり
globe
コブクロ
T.M.Revolution
柴田淳
大塚愛
スピッツ
SPEED
スガシカオ
GLAY
倖田來未
平井堅
井上陽水
HIGH and MIGHTY COLOR
鬼束ちひろ
スキマスイッチ
次ページに続く
107
前ページの続き
タイトル
歌手名
クリスマスキャロルの頃には
さよならのうた
人魚
夏祭り
粉雪
秘密基地
少年ハート
雨と夢のあとに
FANTASY
くじら１２号
Appears
永遠に
Ho!サマー
三日月
Let’s go faraway
愛のしるし
HOTEL PACIFIC
夜空ノムコウ
Point of No Return
アゲハ蝶
茜さす帰路照らせど
風になりたい
強く儚い者たち
ミルクティー
稲垣潤一
mihimaru GT
安室奈美恵
Whiteberry
レミオロメン
高田梢枝
HOME MADE 家族
奥田美和子
Chara
JUDY AND MARY
浜崎あゆみ
ゴスペラーズ
タッキー＆翼
絢香
Sowelu
PUFFY
サザンオールスターズ
SMAP
CHEMISTRY
ポルノグラフィティ
椎名林檎
THE BOOM
cocco
UA
108
付 録F
提案手法のパフォーマンス一覧
提案手法のパフォーマンスを以下の表に示す．ただし，これらの表において，R，
P ，F ，θcorrect ，N は，それぞれ，再現率，適合率，F 尺度，6.8.2 節の θcorrect ，6.8.2
節の N を表し，表中の各数値は評価用楽曲 50 曲に関する平均値を表す．
表 F.1 は手法 1 に関するパフォーマンスを示す．表 F.2 は手法 2（6.6.2 節における
θ = 0.3）に関するパフォーマンスを示す．表 F.3 は手法 2（6.6.2 節における θ = 0.4）
に関するパフォーマンスを示す．表 F.4 は手法 2（6.6.2 節における θ = 0.5）に関す
るパフォーマンスを示す．表 F.5 は手法 2（6.6.2 節における θ = 0.6）に関するパ
フォーマンスを示す．表 F.6 は手法 2（6.6.2 節における θ = 0.7）に関するパフォー
マンスを示す．表 F.7 は手法 2（6.6.2 節における θ = 0.8）に関するパフォーマンス
を示す．表 F.8 は手法 2（6.6.2 節における θ = 0.9）に関するパフォーマンスを示す．
109
表 F.1: 手法 1 に関するパフォーマンス
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0573
0.8600
0.1068
0.1036
0.7800
0.1808
0.1551
0.7733
0.2545
0.2053
0.7750
0.3189
0.2518
0.7600
0.3707
0.2989
0.7533
0.4187
0.3356
0.7314
0.4497
0.3689
0.7100
0.4742
0.4012
0.6867
0.4942
0.4290
0.6660
0.5091
0.7
0.0689
0.6600
0.1226
0.1209
0.6100
0.1975
0.1902
0.6333
0.2849
0.2516
0.6200
0.3472
0.3113
0.6120
0.3996
0.3605
0.5933
0.4346
0.3958
0.5629
0.4500
0.4423
0.5500
0.4735
0.4716
0.5200
0.4774
0.5033
0.5020
0.4858
θcorrect
0.8
0.0852
0.4000
0.1279
0.1438
0.3800
0.1892
0.2353
0.4267
0.2766
0.3177
0.4200
0.3314
0.3869
0.4160
0.3686
0.4468
0.4100
0.3958
0.4807
0.3857
0.3959
0.5104
0.3700
0.3981
0.5455
0.3467
0.3932
0.5709
0.3280
0.3877
110
平均値
0.9
0.0960
0.2200
0.1227
0.1580
0.1900
0.1563
0.2830
0.2200
0.2243
0.3280
0.2000
0.2251
0.4097
0.2000
0.2446
0.4530
0.1900
0.2442
0.4920
0.1771
0.2391
0.5553
0.1725
0.2438
0.5753
0.1556
0.2276
0.5953
0.1420
0.2139
1
0.1000
0.1000
0.1000
0.1600
0.0800
0.1067
0.3000
0.1000
0.1500
0.3600
0.0900
0.1440
0.4200
0.0840
0.1400
0.4600
0.0767
0.1314
0.5200
0.0743
0.1300
0.5600
0.0700
0.1244
0.5800
0.0644
0.1160
0.6000
0.0600
0.1091
0.0756
0.5367
0.1113
0.1285
0.4900
0.1640
0.2147
0.5067
0.2345
0.2716
0.5000
0.2742
0.3316
0.4947
0.3098
0.3777
0.4844
0.3342
0.4168
0.4648
0.3462
0.4574
0.4521
0.3595
0.4854
0.4330
0.3634
0.5101
0.4160
0.3658
表 F.2: 手法 2 に関するパフォーマンス（θ = 0.3 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0604
0.8800
0.1123
0.1201
0.8800
0.2090
0.1662
0.8133
0.2720
0.2103
0.7750
0.3251
0.2540
0.7520
0.3723
0.2915
0.7233
0.4067
0.3203
0.6886
0.4275
0.3613
0.6775
0.4602
0.3885
0.6533
0.4754
0.4135
0.6300
0.4869
0.7
0.0820
0.7200
0.1446
0.1459
0.6800
0.2349
0.1996
0.6333
0.2965
0.2541
0.6050
0.3489
0.3032
0.5880
0.3899
0.3445
0.5567
0.4150
0.3906
0.5400
0.4399
0.4383
0.5300
0.4654
0.4692
0.5022
0.4689
0.4933
0.4780
0.4691
θcorrect
0.8
0.1231
0.5000
0.1830
0.2001
0.4500
0.2525
0.2504
0.4067
0.2830
0.3205
0.3950
0.3235
0.3817
0.3880
0.3541
0.4161
0.3600
0.3570
0.4577
0.3457
0.3647
0.4888
0.3275
0.3634
0.5284
0.3067
0.3567
0.5560
0.2960
0.3560
111
平均値
0.9
0.1350
0.2600
0.1613
0.2100
0.2400
0.2001
0.2427
0.2067
0.2006
0.3313
0.1950
0.2207
0.4380
0.1960
0.2437
0.4580
0.1800
0.2339
0.5263
0.1714
0.2364
0.5530
0.1600
0.2289
0.5963
0.1489
0.2204
0.6113
0.1380
0.2096
1
0.1200
0.1200
0.1200
0.2000
0.1000
0.1333
0.2600
0.0867
0.1300
0.3400
0.0850
0.1360
0.4600
0.0920
0.1533
0.4800
0.0800
0.1371
0.5600
0.0800
0.1400
0.5600
0.0700
0.1244
0.6000
0.0667
0.1200
0.6200
0.0620
0.1127
0.0937
0.5600
0.1335
0.1603
0.5417
0.1975
0.2075
0.5056
0.2334
0.2703
0.4883
0.2715
0.3393
0.4773
0.3052
0.3706
0.4556
0.3183
0.4197
0.4395
0.3332
0.4497
0.4279
0.3448
0.4841
0.4096
0.3483
0.5065
0.3930
0.3498
表 F.3: 手法 2 に関するパフォーマンス（θ = 0.4 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0605
0.8800
0.1125
0.1197
0.8800
0.2084
0.1723
0.8467
0.2821
0.2184
0.8150
0.3385
0.2576
0.7720
0.3789
0.3048
0.7633
0.4264
0.3291
0.7143
0.4404
0.3591
0.6900
0.4614
0.3901
0.6711
0.4817
0.4266
0.6640
0.5069
0.7
0.0883
0.7600
0.1555
0.1505
0.7000
0.2422
0.2082
0.6600
0.3091
0.2658
0.6300
0.3636
0.3175
0.6080
0.4049
0.3726
0.5967
0.4441
0.3964
0.5514
0.4465
0.4334
0.5325
0.4620
0.4642
0.5133
0.4716
0.5102
0.5020
0.4880
θcorrect
0.8
0.1226
0.4600
0.1786
0.1943
0.4400
0.2447
0.2512
0.4200
0.2872
0.3116
0.3850
0.3138
0.3728
0.3880
0.3491
0.4409
0.3900
0.3813
0.4674
0.3600
0.3754
0.5035
0.3425
0.3769
0.5329
0.3267
0.3746
0.5989
0.3220
0.3853
112
平均値
0.9
0.1210
0.2200
0.1413
0.2067
0.2300
0.1951
0.2493
0.2067
0.2042
0.3247
0.1900
0.2150
0.4113
0.1880
0.2320
0.5047
0.1933
0.2540
0.5347
0.1743
0.2405
0.5497
0.1600
0.2282
0.5797
0.1489
0.2191
0.6287
0.1420
0.2150
1
0.1200
0.1200
0.1200
0.2000
0.1000
0.1333
0.2600
0.0867
0.1300
0.3200
0.0800
0.1280
0.4000
0.0800
0.1333
0.5400
0.0900
0.1543
0.5600
0.0800
0.1400
0.5600
0.0700
0.1244
0.5800
0.0644
0.1160
0.6400
0.0640
0.1164
0.0925
0.5567
0.1315
0.1597
0.5450
0.1969
0.2118
0.5233
0.2397
0.2684
0.5008
0.2736
0.3275
0.4860
0.3045
0.4009
0.4833
0.3390
0.4260
0.4514
0.3403
0.4504
0.4342
0.3467
0.4790
0.4204
0.3532
0.5271
0.4137
0.3660
表 F.4: 手法 2 に関するパフォーマンス（θ = 0.5 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0627
0.9200
0.1167
0.1167
0.8600
0.2032
0.1686
0.8267
0.2760
0.2123
0.7900
0.3287
0.2485
0.7480
0.3655
0.2931
0.7367
0.4101
0.3352
0.7286
0.4488
0.3693
0.7100
0.4746
0.3992
0.6844
0.4920
0.4310
0.6700
0.5118
0.7
0.0876
0.7800
0.1546
0.1620
0.7400
0.2597
0.2256
0.6867
0.3297
0.2722
0.6350
0.3694
0.3098
0.5880
0.3933
0.3514
0.5633
0.4188
0.3930
0.5457
0.4408
0.4331
0.5300
0.4599
0.4636
0.5022
0.4643
0.5050
0.4940
0.4803
θcorrect
0.8
0.1264
0.5000
0.1920
0.2112
0.5100
0.2809
0.2813
0.4467
0.3162
0.3166
0.4000
0.3236
0.3447
0.3640
0.3251
0.3955
0.3533
0.3434
0.4527
0.3514
0.3640
0.5226
0.3525
0.3873
0.5401
0.3267
0.3760
0.5762
0.3180
0.3790
113
平均値
0.9
0.1450
0.2600
0.1680
0.2733
0.2700
0.2431
0.3183
0.2267
0.2355
0.3547
0.2000
0.2297
0.3897
0.1880
0.2296
0.4397
0.1833
0.2353
0.4930
0.1686
0.2299
0.5813
0.1650
0.2369
0.5903
0.1511
0.2229
0.6003
0.1400
0.2113
1
0.1600
0.1600
0.1600
0.2800
0.1400
0.1867
0.3200
0.1067
0.1600
0.3600
0.0900
0.1440
0.3800
0.0760
0.1267
0.4400
0.0733
0.1257
0.5200
0.0743
0.1300
0.6000
0.0750
0.1333
0.6200
0.0689
0.1240
0.6200
0.0620
0.1127
0.1044
0.5933
0.1460
0.1880
0.5700
0.2213
0.2401
0.5311
0.2562
0.2800
0.4983
0.2781
0.3116
0.4680
0.2926
0.3592
0.4594
0.3161
0.4105
0.4510
0.3357
0.4683
0.4433
0.3549
0.4911
0.4241
0.3574
0.5157
0.4137
0.3641
表 F.5: 手法 2 に関するパフォーマンス（θ = 0.6 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0627
0.9200
0.1167
0.1207
0.9000
0.2105
0.1774
0.8800
0.2909
0.2234
0.8350
0.3462
0.2611
0.7840
0.3838
0.2981
0.7533
0.4181
0.3376
0.7371
0.4527
0.3811
0.7300
0.4890
0.4057
0.6956
0.4999
0.4388
0.6820
0.5208
0.7
0.0788
0.7200
0.1395
0.1408
0.6700
0.2275
0.2216
0.6800
0.3230
0.2753
0.6500
0.3739
0.3229
0.6160
0.4081
0.3586
0.5767
0.4263
0.4068
0.5657
0.4561
0.4555
0.5575
0.4829
0.4799
0.5267
0.4839
0.5254
0.5200
0.5042
θcorrect
0.8
0.0955
0.4400
0.1502
0.1675
0.4200
0.2187
0.2834
0.4533
0.3157
0.3308
0.4250
0.3386
0.3835
0.4040
0.3590
0.4134
0.3733
0.3597
0.4697
0.3743
0.3845
0.5242
0.3675
0.3990
0.5560
0.3489
0.3970
0.5922
0.3320
0.3946
114
平均値
0.9
0.1110
0.2200
0.1347
0.1693
0.2000
0.1631
0.2997
0.2133
0.2229
0.3680
0.2100
0.2411
0.4147
0.1960
0.2411
0.4287
0.1733
0.2253
0.4913
0.1771
0.2394
0.5720
0.1750
0.2479
0.5860
0.1600
0.2338
0.6060
0.1460
0.2196
1
0.1200
0.1200
0.1200
0.2000
0.1000
0.1333
0.3000
0.1000
0.1500
0.3800
0.0950
0.1520
0.4400
0.0880
0.1467
0.4400
0.0733
0.1257
0.5000
0.0714
0.1250
0.6000
0.0750
0.1333
0.6000
0.0667
0.1200
0.6200
0.0620
0.1127
0.0857
0.5667
0.1247
0.1485
0.5467
0.1869
0.2362
0.5478
0.2561
0.2921
0.5242
0.2904
0.3380
0.4947
0.3113
0.3625
0.4667
0.3199
0.4127
0.4610
0.3435
0.4733
0.4567
0.3656
0.4939
0.4352
0.3670
0.5240
0.4227
0.3734
表 F.6: 手法 2 に関するパフォーマンス（θ = 0.7 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0589
0.8800
0.1096
0.1179
0.8700
0.2053
0.1694
0.8467
0.2781
0.2265
0.8500
0.3515
0.2748
0.8160
0.4030
0.3030
0.7667
0.4251
0.3468
0.7543
0.4645
0.3797
0.7275
0.4875
0.4169
0.7133
0.5136
0.4465
0.6920
0.5296
0.7
0.0624
0.5800
0.1103
0.1303
0.6400
0.2118
0.1929
0.6333
0.2878
0.2682
0.6450
0.3664
0.3206
0.6200
0.4090
0.3561
0.5800
0.4268
0.4020
0.5629
0.4538
0.4432
0.5450
0.4731
0.4827
0.5289
0.4875
0.5154
0.5120
0.4959
θcorrect
0.8
0.0810
0.4200
0.1309
0.1424
0.4200
0.2032
0.2382
0.4333
0.2878
0.3326
0.4550
0.3577
0.4122
0.4480
0.3960
0.4506
0.4067
0.3939
0.4780
0.3800
0.3916
0.5303
0.3650
0.3997
0.5581
0.3467
0.3966
0.5879
0.3340
0.3963
115
平均値
0.9
0.0917
0.2200
0.1180
0.1530
0.2100
0.1637
0.2713
0.2267
0.2244
0.3270
0.2150
0.2362
0.4053
0.2160
0.2590
0.4453
0.1867
0.2418
0.5160
0.1800
0.2467
0.5880
0.1725
0.2468
0.6193
0.1622
0.2385
0.6393
0.1480
0.2238
1
0.0800
0.0800
0.0800
0.1400
0.0700
0.0933
0.2800
0.0933
0.1400
0.3600
0.0900
0.1440
0.4400
0.0880
0.1467
0.4800
0.0800
0.1371
0.5200
0.0743
0.1300
0.5800
0.0725
0.1289
0.6400
0.0711
0.1280
0.6600
0.0660
0.1200
0.0697
0.5200
0.1054
0.1287
0.5250
0.1731
0.2135
0.5267
0.2406
0.2815
0.5317
0.2911
0.3445
0.5173
0.3260
0.3796
0.4822
0.3331
0.4243
0.4710
0.3512
0.4722
0.4554
0.3641
0.5098
0.4422
0.3734
0.5372
0.4287
0.3784
表 F.7: 手法 2 に関するパフォーマンス（θ = 0.8 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0558
0.8200
0.1037
0.1096
0.8100
0.1907
0.1568
0.7733
0.2565
0.2036
0.7700
0.3161
0.2472
0.7440
0.3634
0.2795
0.7067
0.3918
0.3267
0.7086
0.4368
0.3578
0.6900
0.4601
0.3900
0.6756
0.4826
0.4159
0.6500
0.4948
0.7
0.0627
0.5800
0.1107
0.1350
0.6400
0.2170
0.1971
0.6267
0.2899
0.2483
0.6100
0.3414
0.2870
0.5720
0.3697
0.3240
0.5433
0.3929
0.3775
0.5429
0.4315
0.4102
0.5200
0.4444
0.4484
0.5089
0.4616
0.4836
0.4920
0.4719
θcorrect
0.8
0.0843
0.4400
0.1366
0.1530
0.4200
0.2104
0.2391
0.4267
0.2794
0.3013
0.4150
0.3187
0.3421
0.3840
0.3323
0.3925
0.3700
0.3505
0.4652
0.3743
0.3832
0.5063
0.3550
0.3847
0.5607
0.3444
0.3933
0.6173
0.3360
0.3993
116
平均値
0.9
0.0917
0.2200
0.1180
0.1690
0.1900
0.1606
0.2580
0.2067
0.2051
0.3363
0.2100
0.2341
0.3830
0.1960
0.2358
0.4443
0.1833
0.2372
0.4803
0.1771
0.2385
0.5327
0.1675
0.2353
0.5860
0.1578
0.2302
0.6277
0.1500
0.2255
1
0.1000
0.1000
0.1000
0.1800
0.0900
0.1200
0.2600
0.0867
0.1300
0.3400
0.0850
0.1360
0.4000
0.0800
0.1333
0.4800
0.0800
0.1371
0.5000
0.0714
0.1250
0.5400
0.0675
0.1200
0.6000
0.0667
0.1200
0.6200
0.0620
0.1127
0.0724
0.5000
0.1075
0.1382
0.5033
0.1748
0.2058
0.4989
0.2292
0.2656
0.4942
0.2699
0.3098
0.4713
0.2923
0.3582
0.4517
0.3105
0.4030
0.4505
0.3357
0.4402
0.4342
0.3447
0.4841
0.4230
0.3557
0.5184
0.4093
0.3621
表 F.8: 手法 2 に関するパフォーマンス（θ = 0.9 の場合）
N=1
N=2
N=3
N=4
N=5
N=6
N=7
N=8
N=9
N = 10
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
R
P
F
0.6
0.0582
0.8400
0.1081
0.1091
0.8000
0.1897
0.1633
0.8000
0.2670
0.2092
0.7750
0.3234
0.2461
0.7360
0.3615
0.2872
0.7167
0.4013
0.3201
0.6943
0.4283
0.3555
0.6800
0.4560
0.3855
0.6578
0.4743
0.4213
0.6480
0.4980
0.7
0.0736
0.6400
0.1295
0.1384
0.6600
0.2240
0.2006
0.6467
0.2975
0.2475
0.6050
0.3411
0.2868
0.5680
0.3695
0.3221
0.5367
0.3904
0.3676
0.5257
0.4192
0.4095
0.5125
0.4412
0.4500
0.4978
0.4571
0.4912
0.4940
0.4768
θcorrect
0.8
0.1078
0.4200
0.1582
0.1651
0.4100
0.2153
0.2366
0.4267
0.2799
0.2803
0.3950
0.3030
0.3436
0.3840
0.3340
0.3862
0.3600
0.3443
0.4460
0.3514
0.3636
0.4939
0.3375
0.3704
0.5394
0.3222
0.3707
0.6045
0.3220
0.3871
117
平均値
0.9
0.1467
0.3000
0.1793
0.1923
0.2200
0.1866
0.2413
0.2133
0.2064
0.3130
0.2050
0.2251
0.3697
0.1960
0.2342
0.4373
0.1900
0.2428
0.4803
0.1771
0.2385
0.5103
0.1600
0.2255
0.5553
0.1489
0.2180
0.6187
0.1420
0.2147
1
0.1600
0.1600
0.1600
0.2000
0.1000
0.1333
0.2400
0.0800
0.1200
0.3200
0.0800
0.1280
0.3800
0.0760
0.1267
0.4600
0.0767
0.1314
0.5200
0.0743
0.1300
0.5400
0.0675
0.1200
0.5800
0.0644
0.1160
0.6400
0.0640
0.1164
0.0979
0.5367
0.1356
0.1480
0.5100
0.1832
0.2011
0.5078
0.2311
0.2560
0.4900
0.2662
0.3038
0.4673
0.2901
0.3541
0.4522
0.3113
0.3996
0.4405
0.3287
0.4337
0.4263
0.3391
0.4718
0.4122
0.3472
0.5214
0.4073
0.3615
付 録G
推定された色彩ベクトルと試聴から
得られた色彩ベクトルの相関係数
6.8.4 節において求めた，本研究の提案手法により推定された楽曲の色彩ベクトル
と楽曲の試聴から得られた色彩ベクトルに関する Pearson の積率相関係数の一覧を
表 G.1 に示す．
表 G.1: システム評価に使用した楽曲の相関係数一覧（表
E.1 の順，敬称略）
タイトル（歌手名）
相関係数
桜坂（福山雅治）
シンデレラ・クリスマス（KinKi Kids）
未来予想図 （DREAM COME TRUE）
雪の華（中島美嘉）
Sunny Day Sunday（センチメンタル・バス）
スノースマイル（BUMP OF CHICKEN）
明日への扉（I WiSH）
DAYS（FLOW）
rain（アンジェラ・アキ）
ドラマチック（YUKI）
夏空グラフィティ（いきものがかり）
DEPARTURES（globe）
ここにしか咲かない花（コブクロ）
HIGH PRESSURE（T.M.Revolution）
月光浴（柴田淳）
SMILY（大塚愛）
チェリー（スピッツ）
BODY & SOUL（SPEED）
午後のパレード（スガシカオ）
winter,again（GLAY）
Butterfly（倖田來未）
Life is… -anather story-（平井堅）
少年時代（井上陽水）
0.8942, p < .01
0.8186, p < .01
0.5895, p < .01
0.9372, p < .01
0.6475, p < .01
0.9209, p < .01
0.6699, p < .01
0.6120, p < .01
0.6794, p < .01
0.3393, p < .05
0.6901, p < .01
0.8830, p < .01
0.2712, n.s.
0.4586, p < .01
-0.0287, n.s.
0.5605, p < .01
0.2952, n.s.
0.6541, p < .01
0.4728, p < .01
0.9667, p < .01
0.2995, n.s.
0.4430, p < .01
0.1496, n.s.
次ページに続く
118
前ページの続き
タイトル（歌手名）
相関係数
PRIDE（HIGH and MIGHTY COLOR）
私とワルツを（鬼束ちひろ）
桜夜風（スキマスイッチ）
クリスマスキャロルの頃には（稲垣潤一）
さよならのうた（mihimaru GT）
人魚（安室奈美恵）
夏祭り（Whiteberry）
粉雪（レミオロメン）
秘密基地（高田梢枝）
少年ハート（HOME MADE 家族）
雨と夢のあとに（奥田美和子）
FANTASY（Chara）
くじら１２号（JUDY AND MARY）
Appears（浜崎あゆみ）
永遠に（ゴスペラーズ）
Ho!サマー（タッキー＆翼）
三日月（絢香）
Let’s go faraway（Sowelu）
愛のしるし（PUFFY）
HOTEL PACIFIC（サザンオールスターズ）
夜空ノムコウ（SMAP）
Point of No Return（CHEMISTRY）
アゲハ蝶（ポルノグラフィティ）
茜さす帰路照らせど（椎名林檎）
風になりたい（THE BOOM）
強く儚い者たち（cocco）
ミルクティー（UA）
0.3625,
0.2914,
0.7078,
0.6449,
0.6529,
0.1503,
0.5630,
0.7069,
0.3241,
0.6024,
0.6111,
0.2139,
0.7047,
0.7387,
0.2105,
0.5051,
0.4897,
0.4169,
0.7799,
0.7610,
0.6271,
0.4467,
0.6047,
0.2814,
0.4471,
0.0863,
0.2015,
119
p < .05
n.s.
p < .01
p < .01
p < .01
n.s.
p < .01
p < .01
n.s.
p < .01
p < .01
n.s.
p < .01
p < .01
n.s.
p < .01
p < .01
p < .05
p < .01
p < .01
p < .01
p < .01
p < .01
n.s.
p < .01
n.s.
n.s.
関連論文の印刷公表の方法および時期
1. 全著者名： 仲村哲明，坂本真樹
論文題目： 連想語の分類に基づく共感覚比喩理解における類似性と共起性の
優先性に関する研究
印刷公表の方法および時期： 日本認知言語学会論文集 第 10 巻，pp.482-492，
2010 年 6 月
（4 章の内容）
2. 全著者名： 仲村哲明，川西紘平，坂本真樹
論文題目： 歌詞と色彩に基づいた楽曲推薦の可能性
印刷公表の方法および時期： 電子情報通信学会論文誌 A，Vol.J94-A，No.2，
pp.85-94，2011 年 2 月
（5 章の内容）
120
参考論文の印刷公表の方法および時期
1. 全著者名： 仲村哲明・坂本真樹
論文題目： 連想語の分類に基づく共感覚比喩理解における類似性と共起性の
優先性に関する研究．
印刷公表の方法および時期： 日本認知言語学会第 10 回大会 CONFERENCE
HANDOBOOK 2009，pp.298-301，2009 年 9 月
2. 全著者名： Tetsuaki Nakamura, Maki Sakamoto and Akira Utsumi
論文題目： The Role of Event Knowledge in Comprehending Synesthetic
Metaphors
印刷公表の方法および時期： Proceedings of the 32nd Annual Conference of
the Cognitive Science Society，pp.1898-1903，2010 年 8 月
3. 全著者名： Tetsuaki Nakamura, Maki Sakamoto and Akira Utsumi
論文題目： Significance of Emergent Features in Synesthetic Metaphor Interpretation
印刷公表の方法および時期： Proceedings of the 7th International Conference
on Cognitive Science，pp.443-444，2010 年 8 月
121

1 中国の産業スパイ網 Chinese Industrial Espionage Technology

水車を浮かべて発電する

ダイカストのゲートからの溶湯射出挙動の 観察とシミュレーションとの比較

カッターナイフ1本で簡単カット！粘着シート付なので釘、接着剤不要！！

CG 学習サンプルによる人検出性能低下の要因調査 EP11001 青山祐斗

ー`はじめに `~ ~” 〔 ~ 女臣川は流域の大半を山地~(流域の99%) が占め

高精度クロックを用いたネットワーク計測と その応用に関する研究

空中電磁探査手法を用いた深層崩壊危険箇所抽出に関する一考察

骨材の粗粒率